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
=>debugger
# 官方文档
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