grok 官方文档

<pre name="code" class="html">grok:

解析任意文本并构造它:

Grok 是当前最好的方式在logstash 解析蹩脚的非结构化日志数据 到一些结构化的可查询的。

这个工具是完美的对于syslog logs, apache和其他webserver logs,mysqllogs,在一般情况下,任何日志格式

通常对于人是友好的而不是对于电脑

Logstash 有120种模式默认,你可以找到它们在:https://github.com/logstash-plugins/logstash-patterns-

core/tree/master/patterns. 

Grok Basics:

Grok 通过结合文本模式来匹配你的日志

语法对于一个grok 是 %{SYNTAX:SEMANTIC}

语法是 模式的名字会匹配你的文本,比如,3.44 会通过NUMBER 模式匹配和55.3.244.1 通过IP模式匹配。

语法是你如何匹配:

SEMANTIC （语义）是标识 你给到一块文本被匹配。

比如,3.44 可能是一个一个事件的持续事件,因此你可以简单的调用它。

此外, 一个字符串 55.3.244.1 可能识别客户端发出的请求。

在上述例子中,你的grok filter 可以看起来像这样:

%{NUMBER:duration} %{IP:client}

你可以添加一个数据类型转换成你的grok 模式。默认的 所有的语义都保存作为字符串.

如果你希望 转换一个语义的数据类型,比如改变一个字符串为一个整型 然后将其后缀为目标数据类型。

比如  %{NUMBER:num:int}  会转换num语义从一个字符串到一个整型,当前只支持转换是int和float

例子: 这个质疑的语法和语义,我们可以把有用的字段从一个简单的日志像这个虚构的http 请求日志:

55.3.244.1 GET /index.html 15824 0.043

匹配模式:
%{IP:client} %{WORD:method} %{URIPATHPARAM:request} %{NUMBER:bytes} %{NUMBER:duration}

{
  "client": [
    "55.3.244.1"
  ],
  "method": [
    "GET"
  ],
  "request": [
    "/index.html"
  ],
  "bytes": [
    "15824"
  ],
  "duration": [
    "0.043"
  ]
}

正则表达式:

Grok 坐在正则表达式之上,因此很多的正则表达式也是正确的在grok里。

正则表达式库是Oniguruma，你可以看到完整的支持的正则表达式的语言在Oniguruma 网站

自定义 模式:

有时候logstash没有你需要的模式,你有几个选项:

第一,你可以使用Oniguruma 语法用于命名捕获 让你匹配一个文件的片段,保存作为字段

(?<field_name>the pattern here)

/********

55.3.244.1 GET /index.html 15824 0.043

(?<field_name>\S+)

输出:
{
  "field_name": [
    "55.3.244.1"
  ]
}

(?<field_name>\S+\s+)

输出:多了个空格
{
  "field_name": [
    "55.3.244.1 "
  ]
}

(?<field_name>\S+\s+\S+)

输出:
{
  "field_name": [
    "55.3.244.1 GET"
  ]
}

例如, 后缀日志有一个队列id 是10或者11 个16进制字符,你可以捕获像这样:

(?<queue_id>[0-9A-F]{10,11})

d4111111112

表达式:
(?<queue_id>[0-9A-F]{10,11})

输出:
{
  "queue_id": [
    "4111111112"
  ]
}

或者,你也可以创建一个自定义模式的文件:

创建一个目录叫做patterns 里面有个文件叫做extra(文件名不重要,但是名字得对你有意义)

在这个文件中,写pattern 你需要的作为pattern名字,一个空格,然后正则用于哪个模式

例如: 后缀队列id例子:

# contents of ./patterns/postfix:
POSTFIX_QUEUEID [0-9A-F]{10,11}

Jan  1 06:25:43 mailserver14 postfix/cleanup[21403]: BEF25A72965: message-

id=<20130101142543.5828399CCAF@mailserver14.example.com>

filter {
  grok {
    patterns_dir => ["./patterns"]
    match => { "message" => "%{SYSLOGBASE} %{POSTFIX_QUEUEID:queue_id}: %{GREEDYDATA:syslog_message}" }
  }
}

上面的会被匹配,结果是下面的字段:

timestamp: Jan 1 06:25:43
logsource: mailserver14
program: postfix/cleanup
pid: 21403
queue_id: BEF25A72965
syslog_message: message-id=<20130101142543.5828399CCAF@mailserver14.example.com>

timestamp, logsource, program, 和pid 来自SYSLOGBASE  模式本身定义了一些模式

/*******************
zjtest7-frontend:/usr/local/logstash-2.3.4/config# pwd
/usr/local/logstash-2.3.4/config
zjtest7-frontend:/usr/local/logstash-2.3.4/config# ls -lr patterns/
total 4
-rw-r--r-- 1 root root 32 Aug 30 13:33 postfix

zjtest7-frontend:/usr/local/logstash-2.3.4/config/patterns# cat postfix
POSTFIX_QUEUEID [0-9A-F]{10,11}

zjtest7-frontend:/usr/local/logstash-2.3.4/config# cat stdin.conf
input {
  stdin {
     }
}

filter {
  grok {
    patterns_dir => ["./patterns"]
    match => { "message" => "%{SYSLOGBASE} %{POSTFIX_QUEUEID:queue_id}: %{GREEDYDATA:syslog_message}" }
  }
}
output {
 stdout {
  codec=>rubydebug{}
   }
 }

zjtest7-frontend:/usr/local/logstash-2.3.4/config# ../bin/logstash -f stdin.conf
Settings: Default pipeline workers: 1
Pipeline main started
Jan  1 06:25:43 mailserver14 postfix/cleanup[21403]: BEF25A72965: message-

id=<20130101142543.5828399CCAF@mailserver14.example.com>
{
           "message" => "Jan  1 06:25:43 mailserver14 postfix/cleanup[21403]: BEF25A72965: message-

id=<20130101142543.5828399CCAF@mailserver14.example.com>",
          "@version" => "1",
        "@timestamp" => "2016-08-30T05:34:11.849Z",
              "host" => "0.0.0.0",
         "timestamp" => "Jan  1 06:25:43",
         "logsource" => "mailserver14",
           "program" => "postfix/cleanup",
               "pid" => "21403",
          "queue_id" => "BEF25A72965",
    "syslog_message" => "message-id=<20130101142543.5828399CCAF@mailserver14.example.com>"
}

简介:

插件支持下面的配置选项:

需要的配置选项:

grok {

  }

细节:

add_field

1.值类型是hash

2. 默认值是{}

如果 filter 是成功的,增加任何属性字段到这个事件，Field名字可以动态的和包含event部分使用%{field}.

filter {
  grok {
     add_field => { "foo_%{somefield}" => "Hello world, from %{host}" }
    patterns_dir => ["./patterns"]
    match => { "message" => "%{SYSLOGBASE} %{POSTFIX_QUEUEID:queue_id}: %{GREEDYDATA:syslog_message}" }
  }
}

输出；
zjtest7-frontend:/usr/local/logstash-2.3.4/config# ../bin/logstash -f stdin.conf
Settings: Default pipeline workers: 1
Pipeline main started
Jan  1 06:25:43 mailserver14 postfix/cleanup[21403]: BEF25A72965: message-

id=<20130101142543.5828399CCAF@mailserver14.example.com>
{
             "message" => "Jan  1 06:25:43 mailserver14 postfix/cleanup[21403]: BEF25A72965: message-

id=<20130101142543.5828399CCAF@mailserver14.example.com>",
            "@version" => "1",
          "@timestamp" => "2016-08-30T05:44:35.071Z",
                "host" => "0.0.0.0",
           "timestamp" => "Jan  1 06:25:43",
           "logsource" => "mailserver14",
             "program" => "postfix/cleanup",
                 "pid" => "21403",
            "queue_id" => "BEF25A72965",
      "syslog_message" => "message-id=<20130101142543.5828399CCAF@mailserver14.example.com>",
    "foo_%{somefield}" => "Hello world, from 0.0.0.0"
}

##你可以一次增加多个字段:

filter {
  grok {
     add_field => { "foo_%{somefield}" => "Hello world, from %{host}"
     "new_field" => "new_static_value"
               }
    patterns_dir => ["./patterns"]
    match => { "message" => "%{SYSLOGBASE} %{POSTFIX_QUEUEID:queue_id}: %{GREEDYDATA:syslog_message}" }
  }
}

输出；

zjtest7-frontend:/usr/local/logstash-2.3.4/config# ../bin/logstash -f stdin.conf
Settings: Default pipeline workers: 1
Pipeline main started
Jan  1 06:25:43 mailserver14 postfix/cleanup[21403]: BEF25A72965: message-

id=<20130101142543.5828399CCAF@mailserver14.example.com>
{
             "message" => "Jan  1 06:25:43 mailserver14 postfix/cleanup[21403]: BEF25A72965: message-

id=<20130101142543.5828399CCAF@mailserver14.example.com>",
            "@version" => "1",
          "@timestamp" => "2016-08-30T05:46:37.029Z",
                "host" => "0.0.0.0",
           "timestamp" => "Jan  1 06:25:43",
           "logsource" => "mailserver14",
             "program" => "postfix/cleanup",
                 "pid" => "21403",
            "queue_id" => "BEF25A72965",
      "syslog_message" => "message-id=<20130101142543.5828399CCAF@mailserver14.example.com>",
    "foo_%{somefield}" => "Hello world, from 0.0.0.0",
           "new_field" => "new_static_value"

add_tag

1.值类型是array

2.默认是[]

如果filter 成功,增加任意的tags 到这个事件。Tags 可以动态的包含事件的部分使用%{field} syntax.

filter {
  grok {
    add_tag => [ "foo_%{somefield}" ]
  }
}
# You can also add multiple tags at once:
filter {
  grok {
    add_tag => [ "foo_%{somefield}", "taggedy_tag"]
  }
}

zjtest7-frontend:/usr/local/logstash-2.3.4/config# ../bin/logstash -f stdin.conf
Settings: Default pipeline workers: 1
Pipeline main started
Jan  1 06:25:43 mailserver14 postfix/cleanup[21403]: BEF25A72965: message-

id=<20130101142543.5828399CCAF@mailserver14.example.com>
{
             "message" => "Jan  1 06:25:43 mailserver14 postfix/cleanup[21403]: BEF25A72965: message-

id=<20130101142543.5828399CCAF@mailserver14.example.com>",
            "@version" => "1",
          "@timestamp" => "2016-08-30T05:50:18.451Z",
                "host" => "0.0.0.0",
           "timestamp" => "Jan  1 06:25:43",
           "logsource" => "mailserver14",
             "program" => "postfix/cleanup",
                 "pid" => "21403",
            "queue_id" => "BEF25A72965",
      "syslog_message" => "message-id=<20130101142543.5828399CCAF@mailserver14.example.com>",
    "foo_%{somefield}" => "Hello world, from 0.0.0.0",
           "new_field" => "new_static_value",
                "tags" => [
        [0] "foo_%{somefield}"
    ]
}

break_on_match

1.值类型是波尔型

2.默认值是true

Break 在第一个匹配,第一次成功匹配通过grok 会导致filter 被完成。如果你需要grok 尝试所有的patterns(

可能解析不同的东西),设置这个为false

match:

1.值类型是hash

2.默认是{}

filter {
  grok { match => { "message" => "Duration: %{NUMBER:duration}" } }
}