ELK日志分析系统(3)-logstash数据处理

1. 概述

　　logspout收集数据以后，就会把数据发送给logstash进行处理，本文主要讲解logstash的input, filter, output处理

2. input

　　数据的输入处理

　　支持tcp，udp等协议

　　晚上找资料建议在使用 LogStash::Inputs::Syslog 的时候走 TCP 协议来传输数据。

　　因为具体实现中，UDP 监听器只用了一个线程，而 TCP 监听器会在接收每个连接的时候都启动新的线程来处理后续步骤。

　　如果你已经在使用 UDP 监听器收集日志，用下行命令检查你的 UDP 接收队列大小：# netstat -plnu | awk 'NR==1 || $4~/:514$/{print $2}'

　　Recv-Q

　　228096

　　228096 是 UDP 接收队列的默认最大大小，这时候 linux 内核开始丢弃数据包了！

 2.1. 语法

　　基本语法如下：

input{
        tcp {
                mode => "server"
                port => 5000
                codec => json_lines
                tags => ["data-http"]
        }
}

  2.2. multiline

　　有时候日志是这样多行显示的：

[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":"\u7b2c\u4e09\u65b9sns\u5e10\u53f7code\u65e0\u6548"}

 　  默认情况下logstash会把一行日志转换成elasticsearch的一个doc，上面这个日志就会存储成15条日志。这样就不能满足我们的需求，我们只是想要一条日志

　　我们可以这么配置input:

input{
        tcp {
                port => 5001
                type => syslog
                tags => ["syslog"]
                codec=>multiline{
                        pattern => "\[%{TIMESTAMP_ISO8601:timestamp}"
                        negate => true
                        what => "previous"
                }
        }
}

　　红色代码的作用是：匹配到以[2019-10-08 16:57:42开头的一行日志作为previous，不是以这个格式开头的将作为子行出现，然后把多行记录合并成一行记录

3. filter

　　数据的过滤转化处理

 3.1. 语法

　　基本语法如下：

filter {
　　grok {
　　　　match => { "message" => "%{SYSLOGBASE} %{DATA:message}" }
　　　　overwrite => [ "message" ]
　　}
}

  3.2. grok范式匹配

　　

　　grok适合用来解析syslog，apache，mysql等日志

　　假如你的日志格式是这样的

[2019-10-12 15:44:52 ACCOUNT 1 140058162291304 WARNING] HashCache::_rds_get, cache not existed!!! id_ls：[]

　　日志的格式是这样的：

"[%(asctime)s %(service)s %(process)d %(thread)d %(levelname)s] %(message)s"

　　那么针对这样有特定格式的日志，我们要怎样提取这里面的字段呢？

　  可以这么配置你的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正则表达式匹配可以方便的从message中提取字段

　　从elasticsearch可以发现增加了timestamp、server、pid、tid和log-level等字段。

　　

　　

　　附上官网文档：

　　　　# grok调试器

　　　　https://grokdebug.herokuapp.com =>debugger

　　　　# 官方文档

　　　　https://www.elastic.co/guide/en/kibana/7.3/xpack-grokdebugger.html

  3.3. gsub字符串替换

　　经过logspout处理以后，会增加一些metadata(container name, container id, etc)

　　红色部分是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

　  如何去除这部分多余的数据呢？

　　logstash需要使用gsub进行字符串替换：

　　

filter{
        if [type] == "syslog" {
                mutate {
                        gsub => [ "message", "<\d+>.*?- -", "" ]
                }
        }
}

　　这个正则表达式的意义是选择从“<14>”开始到“- -”结束的子字符串，然后替换成空字符串，实现metadata的删除

  3.4. remove_filed删除字段

　　ELK是采用json字典的方式来存储数据的

　　如果你有哪些字段是不需要的，可以通过remove_field来删除

　　假如你不想要grop解析出来的msg_body字段和test字段，可以这么操作，那么最后存储到elasticsearch那边将不会出现这2字段

filter{
        if [type] == "syslog" {
                mutate {
                        remove_field => [ "msg_body", "test" ]
                }
        }
}

3.5. kv过滤器解析kv数据

　　官方文档kv filter：https://www.elastic.co/guide/en/logstash/current/plugins-filters-kv.html

　　动态的解析kv可以很方便的支持日志扩展，不需要后期去修改

　　它会把这个字符串：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 => "\t\t"
                }
        }
}

　  这边的配置意思是：从msg_body这个字段去解析kv字段，字段的分隔符是"\t\t"

　　当然这也要求日志写入的时候需要采用"\t\t"来区分多个字段，类似这样：

[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与http_method=POST这三个字段是采用'\t\t'分割的

　　这样kv filter就会解析成功，并往doc里面设置http_ip, http_uri,http_method这三个值：

4. output

　　过滤转化后的数据的输出处理

　　这里是把数据存储到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}
    }
}

　　然后elasticsearch就能得到数据了