K8s 日志治理：EFK 集群进阶配置 + 日志分片、归档、清理自动化方案前言：在Kubernetes（以下简称K8s）集群运维中，日志是问题排查、性能监控、合规审计的核心依据。EFK（Elasticsearch + Fluentd/Fluent Bit + Kibana）作为K8s日志收集与分析的主流架构，基础部署仅能满足“能收集、能查看”的初级需求。当集群规模扩大、业务迭代频繁，日志量会呈指数级增长，随之而来的是存储溢出、查询缓慢、日志堆积三大核心痛点——很多团队停留在基础部署层面，缺乏工程化的进阶优化方案，导致日志治理成为运维瓶颈。本文将避开EFK基础部署细节，聚焦日志量大场景下的进阶配置，重点讲解日志分片、归档、清理的自动化实现，提供多套可直接落地的解法和完整代码，助力团队实现少人值守的高效日志治理。目录背景与痛点剖析（避开基础，直击核心）EFK集群进阶配置（解决查询缓慢、存储压力前置优化）Elasticsearch（ES）进阶优化：分片策略、副本配置、性能调优Fluent Bit进阶配置：日志过滤、结构化、批量投递优化Kibana优化：索引模式、查询缓存、可视化性能提升日志分片方案（核心：按时间/业务分片，避免单索引膨胀）分片策略设计（时间分片为主，业务分片为辅）/