21. Fluentd输出插件：rewrite_tag_filter用法详解

我们在做日志处理时，往往会从多个源服务器收集日志，然后在一个（或一组）中心服务器做日志聚合分析。

源服务器上的日志可能属于同一应用类型，也可能属于不同应用类型。我们可能需要在聚合服务器上对这些不同类型的日志分类处理，一个实现方法就是在Fluentd内部重新给这些日志打tag，然后重新路由到合适的output插件进行输出。

rewrite_tag_filter就是一个提供这种给日志重新打tag的插件。需要说明的是，从其命名来看，rewrite_tag_filter是一个filter，而实际上它是一个output插件。因为Fluentd的filter插件并不允许重写tag。

1. 基本原理
   
   rewrite_tag_filter可通过定义一系列的规则（rule）来实现日志的匹配和tag重写。
   
   这些规则会按照其定义顺序逐一对日志进行匹配，一旦日志符合某个规则，插件会使用该规则定义的方法重写日志的tag，并将重写后的日志事件再次发送到Fluentd路由中，从而实现对输入日志的分类处理。

举一个简单的例子：

# Configuration
<match app.component>
  @type rewrite_tag_filter
  <rule>
    key message
    pattern /^(w+)$/
    tag $1.${tag}
  </rule>
</match>

在这个例子中，日志的原tag为app.component。

rewrite_tag_filter会对日志记录的message字段进行匹配测试，pattern定义了匹配规则，这里是匹配message中的每个单词，然后去第一个单词，将其插入到原tag之前。

重写效果如下所示：

+------------------------------------------+        +------------------------------------------------+
| original record                          |        | rewritten tag record                           |
|------------------------------------------|        |------------------------------------------------|
| app.component {"message":"[info]: ..."}  | +----> | info.app.component {"message":"[info]: ..."}   |
| app.component {"message":"[warn]: ..."}  | +----> | warn.app.component {"message":"[warn]: ..."}   |
| app.component {"message":"[crit]: ..."}  | +----> | crit.app.component {"message":"[crit]: ..."}   |
| app.component {"message":"[alert]: ..."} | +----> | alert.app.component {"message":"[alert]: ..."} |
+------------------------------------------+        +------------------------------------------------+

1. 安装说明
   
   td-agent v3.0.1或更高版本已经内置了rewrite_tag_filter。
   
   较低版本的td-agent可以通过以下命令进行安装：

# for td-agent2 (with fluentd v0.12)
$ sudo td-agent-gem install fluent-plugin-rewrite-tag-filter -v 1.6.0

# for td-agent3 (with fluentd v0.14)
$ sudo td-agent-gem install fluent-plugin-rewrite-tag-filter

1. 配置示例
   
   一个好的配置设计原则是：先过滤掉不需要的日志，然后再处理需要重写的日志。

<source>
  @type tail
  path /var/log/httpd/access_log
  <parse>
    @type apache2
  </parse>
  tag td.apache.access
  pos_file /var/log/td-agent/apache_access.pos
</source>

<match td.apache.access>
  @type rewrite_tag_filter
  capitalize_regex_backreference yes
  <rule>
    key     path
    pattern /\.(gif|jpe?g|png|pdf|zip)$/
    tag     clear
  </rule>
  <rule>
    key     status
    pattern /^200$/
    tag     clear
    invert  true
  </rule>
  <rule>
    key     domain
    pattern /^.+\.com$/
    tag     clear
    invert  true
  </rule>
  <rule>
    key     domain
    pattern /^maps\.example\.com$/
    tag     site.ExampleMaps
  </rule>
  <rule>
    key     domain
    pattern /^news\.example\.com$/
    tag     site.ExampleNews
  </rule>
  # it is also supported regexp back reference.
  <rule>
    key     domain
    pattern /^(mail)\.(example)\.com$/
    tag     site.$2$1
  </rule>
  <rule>
    key     domain
    pattern /.+/
    tag     site.unmatched
  </rule>
</match>

<match site.*>
  @type mongo
  host localhost
  database apache_access
  remove_tag_prefix site
  tag_mapped
  capped
  capped_size 100m
</match>

<match clear>
  @type null
</match>

这个例子中，rewrite_tag_filter首先过滤掉了Apache中图片、压缩包等静态文件的请求日志，然后对日志中的path、status、domain这些字段依次进行正则匹配：

第二个rule用于匹配响应代码为200的记录，通过invert将非200的请求记录过滤掉；

第三个rule用于匹配.com结尾的域名，通过invert将非.com域名请求记录过滤掉；

第四五六个rule用于分类处理不同前缀的域名，分别重写其tag为site.ExampleMaps、site.ExampleNews、site.ExampleMail；

最后一个rule用于处理其他域名，统一重写tag为site.unmatched。

被过滤掉的日志，其tag被重写为clear，并最后丢弃（输出到null）。

其他被重写tag的日志会按照其tag名称被分别写入MongoDB的不同collections中。

1. 参数说明

• capitalize_regex_backreference 是否大写正则匹配后项引用项的首字母。默认false，不大写。
• <rule>配置项 设置匹配及重写规则。
  
  key：指定日志记录中的匹配字段
  
  pattern：匹配规则使用的正则表达式
  
  tag：新的tag。
  
  支持正则表达式的后向引用，参加上例中第六个rule。
  
  支持以下占位符：
  • ${tag} 或 __TAG__：原tag
  • ${tag_parts[n]} 或 __TAG_PARTS[n]__：取原tag的第n个字段
  • ${hostname} 或 __HOSTNAME__：主机名
    
    invert：默认为false。
  • true表示若匹配失败，则重写tag；
  • false表示匹配成功时才重写tag。
    
    占位符参数：
    • remove_tag_prefix：移除原tag中的前缀
    • remove_tag_regexp：移除原tag中的正则匹配部分
    • hostname_command：设置hostname使用的命令。
      
      默认使用hostname获取完整的主机名。
      
      可使用hostname -s获取较短的主机名。

1. 场景举例

# built-in TCP input
<source>
  @type forward
</source>

# Filter record like mod_rewrite with fluent-plugin-rewrite-tag-filter
<match apache.access>
  @type rewrite_tag_filter
  <rule>
    key     status
    pattern /^(?!404)$/
    tag     clear
  </rule>
  <rule>
    key     path
    pattern /.+/
    tag     mongo.apache.access.error404
  </rule>
</match>

# Store deadlinks log into mongoDB
<match mongo.apache.access.error404>
  @type        mongo
  host        10.100.1.30
  database    apache
  collection  deadlinks
  capped
  capped_size 50m
</match>

# Clear tag
<match clear>
  @type null
</match>

这个配置使用in_forward收集Apache的访问日志。通过设置两个rule，提取日志中的http 404请求记录，将这些请求的url写入MongoDB，这样就可以方便地统计网站中存在的死链。

1. 常见问题
   
   使用rewrite_tag_filter经常遇到的情况是，重写tag导致日志无法输出。
   
   比如：

<match app.**>
  @type rewrite_tag_filter
  <rule>
    key     level
    pattern /(.+)/
    tag     app.$1
  </rule>
</match>

<match app.**>
  @type forward
  # ...
</match>

这个片段就会导致日志无法输出。

仔细看重写规则可以发现，以app开头的tag被重写后仍然是以app为开头。这导致了新事件重新进入第一个<match>，发生了死循环。

所以重新tag时需要谨慎一些，避免发生此类情况。