ELK日誌分析系統(3)-logstash數據處理
- 2019 年 10 月 12 日
- 筆記
1. 概述
logspout收集數據以後，就會把數據發送給logstash進行處理，本文主要講解logstash的input, filter, output處理
2. input
數據的輸入處理
支持tcp，udp等協議
晚上找資料建議在使用 LogStash::Inputs::Syslog 的時候走 TCP 協議來傳輸數據。
因為具體實現中，UDP 監聽器只用了一個線程，而 TCP 監聽器會在接收每個連接的時候都啟動新的線程來處理後續步驟。
如果你已經在使用 UDP 監聽器收集日誌，用下行命令檢查你的 UDP 接收隊列大小：# netstat -plnu | awk ‘NR==1 || $4~/:514$/{print $2}’
Recv-Q
228096
228096 是 UDP 接收隊列的默認最大大小，這時候 linux 內核開始丟棄數據包了！
2.1. 語法
基本語法如下：
input{ tcp { mode => "server" port => 5000 codec => json_lines tags => ["data-http"] } }
2.2. multiline
有時候日誌是這樣多行顯示的：
[2019-10-12 15:24:50 ACCOUNT 97364 4658800064 INFO] http_ip=127.0.0.1 http_uri=/account/v1/binding http_method=POST http_time=182ms http_status=401 http_headers=Content-Type:application/x-www-form-urlencoded Content-Length:27 Accept-Encoding:identity Host:localhost:8800 User-Agent:Python-urllib/3.6 Key:424518e4d27b11e8ada274e5f95979ae Version:1.1.0 Time:1570865090.412524 Token:y66AHLNmRoscIIsoWnKzxosojSg= User-Id:0 Connection:close http_kwargs={'sns_type': 'wechat', 'code': 'CG9DEj', 'user_id': 0, 'language': 1} http_response={"code":"usr_sns_code_error","message":"u7b2cu4e09u65b9snsu5e10u53f7codeu65e0u6548"}
默認情況下logstash會把一行日誌轉換成elasticsearch的一個doc，上面這個日誌就會存儲成15條日誌。這樣就不能滿足我們的需求，我們只是想要一條日誌
我們可以這麼配置input:
input{ tcp { port => 5001 type => syslog tags => ["syslog"] codec=>multiline{ pattern => "[%{TIMESTAMP_ISO8601:timestamp}" negate => true what => "previous" } } }
紅色代碼的作用是：匹配到以[2019-10-08 16:57:42開頭的一行日誌作為previous，不是以這個格式開頭的將作為子行出現，然後把多行記錄合併成一行記錄
3. filter
數據的過濾轉化處理
3.1. 語法
基本語法如下：
filter {
grok {
match => { “message” => “%{SYSLOGBASE} %{DATA:message}” }
overwrite => [ “message” ]
}
}
3.2. grok範式匹配
grok適合用來解析syslog，apache，mysql等日誌
假如你的日誌格式是這樣的
[2019-10-12 15:44:52 ACCOUNT 1 140058162291304 WARNING] HashCache::_rds_get, cache not existed!!! id_ls：[]
日誌的格式是這樣的：
"[%(asctime)s %(service)s %(process)d %(thread)d %(levelname)s] %(message)s"
那麼針對這樣有特定格式的日誌，我們要怎樣提取這裏面的字段呢？
可以這麼配置你的filter:
filter{ if [type] == "syslog" { grok { match => { "message" => "[%{TIMESTAMP_ISO8601:timestamp} %{DATA:service} %{DATA:pid} %{DATA:tid} %{LOGLEVEL:log-level}] %{GREEDYDATA:msg_body}" } } } }
使用grok的match正則表達式匹配可以方便的從message中提取字段
從elasticsearch可以發現增加了timestamp、server、pid、tid和log-level等字段。
附上官網文檔：
# grok調試器
https://grokdebug.herokuapp.com =>debugger
# 官方文檔
https://www.elastic.co/guide/en/kibana/7.3/xpack-grokdebugger.html
3.3. gsub字符串替換
經過logspout處理以後，會增加一些metadata(container name, container id, etc)
紅色部分是logspout添加的：
<14>1 2019-10-08T18:00:15Z zfswalk0 mage-device-11283 16901 – – [2019-10-09 09:49:08 WARNING SACCOUNT C P1 T140004171454120 P1 P2 P3] start listen on HTTP:0.0.0.0:17698, start listen on HTTP:0.0.0.0:17698
如何去除這部分多餘的數據呢？
logstash需要使用gsub進行字符串替換：
filter{ if [type] == "syslog" { mutate { gsub => [ "message", "<d+>.*?- -", "" ] } } }
這個正則表達式的意義是選擇從“<14>”開始到“- -”結束的子字符串，然後替換成空字符串，實現metadata的刪除
3.4. remove_filed刪除字段
ELK是採用json字典的方式來存儲數據的
如果你有哪些字段是不需要的，可以通過remove_field來刪除
假如你不想要grop解析出來的msg_body字段和test字段，可以這麼操作，那麼最後存儲到elasticsearch那邊將不會出現這2字段
filter{ if [type] == "syslog" { mutate { remove_field => [ "msg_body", "test" ] } } }
3.5. kv過濾器解析kv數據
官方文檔kv filter：https://www.elastic.co/guide/en/logstash/current/plugins-filters-kv.html
動態的解析kv可以很方便的支持日誌擴展，不需要後期去修改
它會把這個字符串：ip=1.2.3.4 error=REFUSED解析成kv字典形式：{“ip”:”1.2.3.4″, “error”: “REFUSED“}
filter{ if [type] == "syslog" { kv { source => "msg_body" field_split => "tt" } } }
這邊的配置意思是：從msg_body這個字段去解析kv字段，字段的分隔符是”tt”
當然這也要求日誌寫入的時候需要採用”tt”來區分多個字段，類似這樣：
[2019-10-12 15:24:50 ACCOUNT 97364 4658800064 INFO] http_ip=192.168.1.136 http_uri=/account/v1/binding http_method=POST
http_ip=127.0.0.1、http_uri=/account/v1/binding與http_method=POST這三個字段是採用’tt’分割的
這樣kv filter就會解析成功，並往doc裏面設置http_ip, http_uri,http_method這三個值：
4. output
過濾轉化後的數據的輸出處理
這裡是把數據存儲到elasticsearch的9200端口，index是”syslog-%{+YYYY.MM.dd}”
output{ if "syslog" in [tags]{ elasticsearch{ hosts=>["elasticsearch:9200"] index => "syslog-%{+YYYY.MM.dd}" } stdout{codec => rubydebug} } }
然後elasticsearch就能得到數據了
