频道栏目
首页 > 程序开发 > 综合编程 > 其他综合 > 正文
logstash采集与清洗数据到elasticsearch案例实战
2016-10-29 09:43:00         来源:糯米鸡的博客  
收藏   我要投稿

Logstash的使用

logstash支持把配置写入文件 xxx.conf,然后通过读取配置文件来采集数据
./bin/logstash –f xxx.conf

logstash最终会把数据封装成json类型,默认会添加@timestamp时间字段、host主机字段、type字段。原消息数据会整个封装进message字段。如果数据处理过程中,用户解析添加了多个字段,则最终结果又会多出多个字段。也可以在数据处理过程中移除多个字段,总之,logstash最终输出的数据格式是json格式。

Logstash的结构

Logstash由 input,filter,output三个组件去完成采集数据
如下是一个logstash的配置实例:
input {
	file {
		type => "log"
		path => "/log/*/*.log"
		discover_interval => 10
		start_position => "beginning" 
	}
}
filter {
} 
output {
    elasticsearch {
	index => "log-%{+YYYY.MM.dd}"
	hosts => ["172.16.0.14:9200", "172.16.0.15:9200", "172.16.0.16:9200"]
    }
	stdout {codec => rubydebug}
}

input

input组件负责读取数据,可以采用file插件读取本地文本文件,stdin插件读取标准输入数据,tcp插件读取网络数据,log4j插件读取log4j发送过来的数据等等。

filter

filter插件负责过滤解析input读取的数据,可以用grok插件正则解析数据,date插件解析日期,json插件解析json等等。

output

output插件负责将filter处理过的数据输出。可以用elasticsearch插件输出到es,rediss插件输出到redis,stdout插件标准输出,kafka插件输出到kafka等等
trade.log日志采集。

 

trade.log日志采集

配置内容如下:

input {
    file {
        type => "tradelog"
        path => "/home/elk/his/trade.log*"
        discover_interval => 5
        start_position => "beginning"
        
        sincedb_path => "/home/elk/myconf/sincedb_trade.txt"
        sincedb_write_interval => 15
        
        codec => plain { charset => "GB2312" }
    }    
}

filter {
    grok {
        match => { "message" => "%{DATESTAMP_CN:[@metadata][logdate]} .* - %{WORD:opeType}\|%{WORD:name}\|Oid: %{WORD:oid}\|IP: %{IP:ip}\|MAC: %{GREEDYDATA:mac}\|%{WORD:result}\|%{GREEDYDATA:exception}\|" }    
        match => { "message" => "%{DATESTAMP_CN:[@metadata][logdate]} .* - %{WORD:opeType}\|%{WORD:name}\|Oid: %{WORD:oid}\|IP: %{IP:ip}\|MAC: %{GREEDYDATA:mac}\|%{WORD:result}\|"  }
        match => { "message" => "%{DATESTAMP_CN:[@metadata][logdate]} .* - %{WORD:opeType}\|%{WORD:name}\|Oid: %{WORD:oid}\|IP: %{IP:ip}\|MAC: %{GREEDYDATA:mac}\|"  }    
        match => { "message" => "%{DATESTAMP_CN:[@metadata][logdate]} .* - %{WORD:opeType}\|IP: %{IP:ip}\|MAC: %{GREEDYDATA:mac}\|%{WORD:result}\|"  }
        match => { "message" => "%{DATESTAMP_CN:[@metadata][logdate]} .* - %{WORD:opeType}\|IP: %{IP:ip}\|MAC: %{GREEDYDATA:mac}\|" }
        remove_field  => "message"
    }    
    date {
        match => ["[@metadata][logdate]", "YYYY-MM-dd HH:mm:ss,SSS"]
    }    
}

output {
    if "_grokparsefailure" not in [tags] and "_dateparsefailure" not in [tags] {
        stdout {codec => rubydebug}
        
        elasticsearch {
            index => "log4j-tradelog"
            hosts => ["168.7.1.67:9200"]
            manage_template => true
            template_overwrite => true
            template_name => "log4j-tradelog"
            template => "/home/elk/myconf/tradelog_template.json"
        }
    }    
}

input

1. start_position:设置beginning保证从文件开头读取数据。
2. path:填入文件路径。
3. type:自定义类型为tradelog,由用户任意填写。
4. codec:设置读取文件的编码为GB2312,用户也可以设置为UTF-8等等
5. discover_interval:每隔多久去检查一次被监听的 path 下是否有新文件,默认值是15秒
6. sincedb_path:设置记录源文件读取位置的文件,默认为文件所在位置的隐藏文件。
7. sincedb_write_interval:每隔15秒记录一下文件读取位置

filter

日志格式如下:

2016-05-09 09:49:13,817 [] [ACTIVE] ExecuteThread: '1' for queue: 'weblogic.kernel.Default (self-tuning)' [INFO ] com.c.command.StartLogCommand.execute(StartLogCommand.java:46) - FrontPageFinProdListQry|IP: 192.168.1.105|MAC: A1345C05-26C1-4263-8845-01CFCA6EC4FD|
2016-05-09 09:49:13,928 [] [ACTIVE] ExecuteThread: '2' for queue: 'weblogic.kernel.Default (self-tuning)' [INFO ] com.c.command.EndLogCommand.execute(EndLogCommand.java:44) - FrontPageAdvertListQry|IP: 192.168.1.105|MAC: A1245C05-26C1-4263-8845-01CFCA6EC4FD|Success|

 

grok插件

因为该日志中有5种格式如下,以最后几个我需要的字段为例说明:

交易名|登录名|编号|ip地址|mac地址|返回结果|异常信息
交易名|登录名|编号|ip地址|mac地址|返回结果|
交易名|登录名|编号|ip地址|mac地址|
交易名|ip地址|mac地址|返回结果|
交易名|ip地址|mac地址| 
所以采用5种正则规则去匹配,logstash默认会从上到下按规则去匹配,直到匹配上为止。(日志中的多行错误信息,匹配不上,logstash会在tags字段添加”_ grokparsefailure”,所以后面输出的时候会用if条件判断过滤掉解析失败的行消息)


注意:5种正则规则的上下顺序,下面的规则放在上面会导致可能内容解析不全,比如源数据是:请求交易名|操作员登录名|操作员编号|ip地址|mac地址|返回结果|异常信息,如果按照“请求交易名|ip地址|mac地址|”规则去匹配,只能识别出3个字段,而且匹配成功,不继续往下执行,这样识别的内容就不全。

logstash内置了很多正则匹配规则,用户可以直接调用这些规则来解析,例如%{WORD:result} 表示调用WORD规则(即识别字符串规则)来解析并最后赋值给result字段(result字段会自动创建)。
下面以第一条match规则为例来说明:

match => { "message" => "%{DATESTAMP_CN:[@metadata][logdate]} .* - %{WORD:opeType}\|%{WORD:name}\|Oid: %{WORD:oid}\|IP: %{IP:ip}\|MAC: %{GREEDYDATA:mac}\|%{WORD:result}\|%{GREEDYDATA:exception}\|" }

首先行首使用DATESTAMP_CN规则来识别时间,并赋值给logdate字段名;然后.*识别任意字符串(.代表任意一个字符,包括特殊字符,*代表个数是任意个);然后使用WORD规则(即匹配字符串规则,不包含特殊字符)识别到字符串并赋值给opeType字段;后面同理。这些WORD、IP、GREEDYDATA规则都是logstash内部grok-patterns文件已经定义好了的规则。用户可以直接拿来使用。

注意:[@metadata]表示logdate这个字段在数据处理过程中只是一个临时字段,最后不会真的输出。避免了使用remove_field手动移除字段。

注意:logstash默认不支持”YYYY-MM-dd HH:mm:ss,SSS”格式的时间匹配,需要自己定义正则表达式到logstash-2.3.1/vendor/bundle/jruby/1.9/gems/logstash-patterns-core-2.0.5/patterns/grok-patterns文件中。grok-patterns文件中追加2行内容:
DATE_CN %{YEAR}[./-]%{MONTHNUM}[./-]%{MONTHDAY}
DATESTAMP_CN %{DATE_CN} %{TIME} 

注意:logstash的正则表达式采用ruby语言正则表达式,具体语法可以参考网上。

remove_field => "message"表示解析完成之后删除原来的 message字段,避免重复。

date插件

match => ["[@metadata][logdate]", "YYYY-MM-dd HH:mm:ss,SSS"]
logstash默认的时间字段是@timestamp,如果不设置的话,默认是数据采集时候的时间,这里我们将日志打印的时间(即解析出的logdate字段的内容)设置为@timestamp内容,方便之后kibana根据时间检索。

注意:解析出来的@timestamp会比实际时间早8个小时,这是内置utc时间格式问题,kibana页面展示的时候会根据浏览器当前时区自动转换回来,这里不作处理。

output

 

    if "_grokparsefailure" not in [tags] and "_dateparsefailure" not in [tags] {
        stdout {codec => rubydebug}
        
        elasticsearch {
            index => "log4j-tradelog"
            hosts => ["134.7.1.67:9200"]
            manage_template => true
            template_overwrite => true
            template => "/home/elk/myconf/tradelog_template.json"
        }
    }    
前面提到过,如果grok解析失败,会在tags字段自动添加_grokparsefailure值,如果date解析失败,会在tags字段自动添加_dateparsefailure值。所以最后的输出,我们采用条件过滤掉解析失败的行内容。最终的每一行内容解析成json,一路存入elasticsearch,另一路进行标准输出。

elasticsearch插件

index:要导入的es索引
host:es地址,有多个节点配置多个节点
template:指定elasticsearch的mapping模板文件,如果该索引不存在,logstash会根据这个mapping模板去自动创建索引。

stdout插件

rubydebug标准输出,便于调试,可以不使用该插件。

最终解析出结果示例如下:

{
      "@version" => "1",
    "@timestamp" => "2016-05-09T01:44:48.366Z",
          "path" => "/home/elk/e.log",
          "host" => "ccc7",
          "type" => "tradelog",
       "opeType" => "WZQry",
          "name" => "lhcsssz2",
           "oid" => "abzzak",
            "ip" => "192.168.44.105",
           "mac" => "A1345C05-26C1-4253-8845-01CFCA8EC4FD",
        "result" => "Success"
}

error.log采集

日志实例:

2016-09-29 17:13:24,184|ncid=1100343164|oid=acaatv|loginName=zhenglw1|transId=Withdraw|traceId=N/A-_A-88C4D-043|exceptType=com.intenft.exception.AppRTException|exceptCode=CORESYST_TXN_NATIVE_89042|exceptMsg=对不起!记录没有找到

配置文件如下:
input {
    file {
        path => "/home/elk/his/error.log*"
        type => "errorlog"
        start_position => "beginning"
        discover_interval => 5
        
        codec => multiline {
            charset => "GB2312"
            pattern => "^%{DATESTAMP_CN}"
            negate => true
            what => "next"        
        }
        
        sincedb_path => "/home/elk/myconf/sincedb_error.txt"
        sincedb_write_interval => 15
    }    
}

filter {
    grok {
        match => { "message" => "%{DATESTAMP_CN:[@metadata][logdate]}%{GREEDYDATA:[@metadata][keyvalue]}" }
        remove_field  => "message"
    }    
    date {
        match => ["[@metadata][logdate]", "YYYY-MM-dd HH:mm:ss,SSS"]
    }
    kv {
        source => "[@metadata][keyvalue]"
        field_split => "\|"
        value_split => "="
    }
}

output {
    if "multiline" in [tags] {
        stdout {codec => rubydebug}
        elasticsearch {
            index => "log4j-errorlog-3"
            hosts => ["168.7.1.67:9200"]
            manage_template => true
            template_overwrite => true
            template => "/home/elk/myconf/errorlog_template.json"
        }
    }    
}

 

input

8. start_position:设置beginning保证从文件开头读取数据。
9. path:填入文件路径。
10. type:自定义类型为tradelog,由用户任意填写。
11. codec:multiline插件
12. discover_interval:每隔多久去检查一次被监听的 path 下是否有新文件,默认值是15秒
13. sincedb_path:设置记录源文件读取位置的文件,默认为文件所在位置的隐藏文件。
14. sincedb_write_interval:每隔15秒记录一下文件读取位置

multiline插件

logstash默认读取一行内容为一个消息,因为错误日志包含堆栈信息,多行对应一个消息,所以使用该插件合并多行为一条消息。
pattern:以”YYYY-MM-dd HH:mm:ss,SSS”格式开头的匹配为一条消息。
negate:true 表示正向使用该patttern
what:匹配到的日期属于下一条消息
charset:设置文件编码

filter

grok插件

匹配日期到logdata字段,匹配剩下的所有字符串到keyvalue临时字段,”GREEDYDATA”正则表达式为”.*”

date插件

match => ["[@metadata][logdate]", "YYYY-MM-dd HH:mm:ss,SSS"]
logstash默认的时间字段是@timestamp,如果不设置的话,默认是数据采集时候的时间,这里我们将日志打印的时间(即解析出的logdate字段的内容)设置为@timestamp内容,方便之后kibana根据时间检索。

注意:解析出来的@timestamp会比实际时间早8个小时,这是内置utc时间格式问题,kibana页面展示的时候会根据浏览器当前时区自动转换回来,这里不作处理。

kv插件

source:解析前面grok获取的keyvalue字段

(比如:|ncid=1100783164|oid=acaatv|loginName=zhew1|transId=Withdraw|traceId=N/A-_A-88C4D-043|exceptType=com.inteft.exception.AppRTException|exceptCode=CORESYST_TXN_NATIVE_89042|exceptMsg=对不起!记录没有找到)

field_split:按”|”切分key-value对
value_split:按”=”切分key 和 value,最终切分出来key作为字段名,value作为字段值

output

output {
	if "multiline" in [tags] {
		stdout {codec => rubydebug}
		elasticsearch {
			index => "log4j-errorlog-3"
			hosts => ["168.7.1.67:9200"]
			manage_template => true
			template_overwrite => true
			template => "/home/elk/myconf/errorlog_template.json"
		}
	}	
}

该日志有2种格式的日志,一种是单行的错误信息日志,一种是多行的包含堆栈信息的日志,这2种日志内容重复,那么只需要解析单行格式的日志。kv插件解析多行格式的日志时, tags字段里没有”multipline”值(原因是因为grok解析的时候不能解析换行符),所以可以通过if条件判断tags字段是否有”multipline”值,来过滤掉多行格式的日志。

elasticsearch插件

index:要导入的es索引
host:es地址,有多个节点配置多个节点
template:指定elasticsearch的mapping模板文件,如果该索引不存在,logstash会根据这个mapping模板去自动创建索引。

最终解析的结果示例如下:

{
    "@timestamp" => "2016-09-29T09:14:22.194Z",
      "@version" => "1",
          "tags" => [
        [0] "multiline"
    ],
          "path" => "/home/elk/stst.log",
          "host" => "ci7",
          "type" => "sttlog",
          "ncid" => "1143164",
           "oid" => "acav",
     "loginName" => "zhew1",
       "transId" => "MyQuery",
       "traceId" => "N/A8C4E-047",
    "exceptType" => "com.exception.AppRTException",
    "exceptCode" => "CORESYNATIVE_82243",
     "exceptMsg" => "对不起!根据账号获取客户信息错误"
}

 

总结:

注意:

logstash filter中的每一个插件都有add_field,remove_field,add_tag,remove_tag 4个功能。

附录:

mapping模板文件

tradelog:

{
	"template": "log4j-tradelog*",
	"settings": {
		"index.number_of_shards": 3,
		"number_of_replicas": 0
	},
	"mappings": {
		"tradelog": {
			"_all": {
				"enabled": false
			},
			"properties": {
				"@timestamp": {
					"type": "date",
					"format": "strict_date_optional_time||epoch_millis",
					"doc_values": true
				},
				"@version": {
					"type": "string",
					"index": "not_analyzed"
				},
				"exception": {
					"type": "string",
					"index": "analyzed"
				},
				"path": {
					"type": "string",
					"index": "not_analyzed"
				},
				"host": {
					"type": "string",
					"index": "not_analyzed"
				},
				"ip": {
					"type": "ip",
					"index": "not_analyzed"
				},
				"logger_name": {
					"type": "string",
					"index": "not_analyzed"
				},
				"mac": {
					"type": "string",
					"index": "not_analyzed"
				},
				"name": {
					"type": "string",
					"index": "not_analyzed"
				},
				"oid": {
					"type": "string",
					"index": "not_analyzed"
				},
				"opeType": {
					"type": "string",
					"index": "not_analyzed"
				},
				"priority": {
					"type": "string",
					"index": "not_analyzed"
				},
				"result": {
					"type": "string",
					"index": "not_analyzed"
				},
				"type": {
					"type": "string",
					"index": "not_analyzed"
				}
			}
		}
	}
}

 

errorlog:

 

{
	"template": "log4j-errorlog*",
	"settings": {
		"index.number_of_shards": 3,
		"number_of_replicas": 0
	},
	"mappings": {
		"errorlog": {
			"_all": {
				"enabled": false
			},
			"properties": {
				"host": {
					"type": "string",
					"index": "not_analyzed"
				},
				"ncid": {
					"type": "string",
					"index": "not_analyzed"
				},
				"type": {
					"type": "string",
					"index": "not_analyzed"
				},
				"@version": {
					"type": "string",
					"index": "not_analyzed"
				},
				"exceptType": {
					"type": "string",
					"index": "not_analyzed"
				},
				"@timestamp": {
					"format": "strict_date_optional_time||epoch_millis",
					"type": "date"
				},
				"exceptCode": {
					"type": "string",
					"index": "not_analyzed"
				},
				"transId": {
					"type": "string",
					"index": "not_analyzed"
				},
				"priority": {
					"type": "string",
					"index": "not_analyzed"
				},
				"oid": {
					"type": "string",
					"index": "not_analyzed"
				},
				"traceId": {
					"type": "string",
					"index": "not_analyzed"
				},
				"exceptMsg": {
					"type": "string",
					"index": "analyzed"
				},
				"path": {
					"type": "string",
					"index": "not_analyzed"
				},
				"logger_name": {
					"type": "string",
					"index": "not_analyzed"
				},
				"loginName": {
					"type": "string",
					"index": "not_analyzed"
				}
			}
		}
	}
}
点击复制链接 与好友分享!回本站首页
上一篇:J-01. 电脑远程访问小米路由器硬盘文件
下一篇:Intel i56500 安装 gentoo linux
相关文章
图文推荐
点击排行

关于我们 | 联系我们 | 广告服务 | 投资合作 | 版权申明 | 在线帮助 | 网站地图 | 作品发布 | Vip技术培训 | 举报中心

版权所有: 红黑联盟--致力于做实用的IT技术学习网站