logstash filter grok 用法

在elk+filebeat都安裝好，且明白了基本流程后，主要的就是寫logstash的filter了，以此來解析特定格式的日志

logstash的filter是用插件實現的，grok是其中一個，用來解析自定義結構的日志，就是說可以完全自定義的去解析

grok的語法是%{pattern:field}

pattern是指模板（或者說是類型），logstash內置了很多，也可以自定義（用正則）

field是指解析后的鍵值中的鍵，當然值就是從日志解析出來的內容

（無論用什么pattern解析到elasticsearch默認都是用string存儲，可以通過%{pattern:field:int}將之轉換為number類型就可以進行加減計算了，只支持int和float）

比如，一個日志文件中是序號+ip，這樣

1 127.0.0.1
2 127.0.0.2
3 127.0.0.3

filter就可以這樣寫（input省略了，肯定是從filebeat來的，output中指定index，方便測試）

filter {
    grok {
        match => { "message" => "%{NUMBER:myid} %{IP:myip}"}
    }
}
output {
    elasticsearch {
        hosts => "localhost"
        index => "mytest"
    }
}

那么日志到 elasticsearch中，就是這樣：

{
  ...
  "hits" : {
    ...
    "hits" : [ {
      ...
      "_source" : {
        "message" : "1 127.0.0.1",
        ...
        "myid" : "1",
        "myip" : "127.0.0.1"
      }
    }, {
      ...
      "_source" : {
        "message" : "2 127.0.0.2",
        ...
        "myid" : "2",
        "myip" : "127.0.0.2"
      }
    }, {
      ...
      "_source" : {
        ...
        "myid" : "3",
        "myip" : "127.0.0.3"
      }
    } ]
  }
}

kibana中的效果

grok的基礎用法就是這樣了，一般來說內置的pattern就夠用了

更多pattern可以看https://github.com/logstash-plugins/logstash-patterns-core/blob/master/patterns

像IP、NUMBER這樣的基本pattern位於grok-patterns中，常用的有：

INT	int類型
NUMBER	數字
DATA	數據，可以對應字符串
GREEDYDATA	數據，可以對應字符串，貪婪匹配
QUOTEDSTRING	帶引號的字符串，可以簡寫為QS
WORD	一個詞
IP	ip地址，v4 或 v6
DATE	日期
TIME	時間
DATESTAMP	日期+時間
PATH	系統路徑
HOSTNAME	計算機名
MAC	mac地址
UUID	uuid
LOGLEVEL	日志等級
EMAILADDRESS	email地址

另外，還有可以直接用的模板集合，比如官方文檔中的例子：

filter {
    grok {
        match => { "message" => "%{COMBINEDAPACHELOG}"}
    }
}

這個COMBINEDAPACHELOG就是一個內置的集合，這種集合還有很多，也在上面那個鏈接中，COMBINEDAPACHELOG就位於httpd，它的定義是：

COMBINEDAPACHELOG %{HTTPD_COMBINEDLOG}
HTTPD_COMBINEDLOG %{HTTPD_COMMONLOG} %{QS:referrer} %{QS:agent}
HTTPD_COMMONLOG %{IPORHOST:clientip} %{HTTPDUSER:ident} %{HTTPDUSER:auth} ...

（HTTPD_COMMONLOG的定義有點長，就省略了~~）

當日志的結構比較多，就需要自定義為模板集合，方便管理（自定義模板是一樣的方式，感覺沒必要，用內置的組合成自己的集合就行了）

mkdir -p /etc/logstash/patterns

vi /etc/logstash/patterns/test.conf

MYPATTERN %{NUMBER:myid} %{IP:myip}

filter改為

filter {
    grok {
        patterns_dir => ["/etc/logstash/patterns"]
        match => { "message" => "%{MYPATTERN}"}
    }
}

測試下，效果當然跟上面是一樣的。

還有一點，pattern本質都是正則，%{}之間的空格不是結構要求，而是因為日志就是空格分隔的，如果日志都用空格和-來分隔，那就是：

MYPATTERN %{TIME:mytime} - %{DATA:mythread} - %{LOGLEVEL:mylevel} - %{DATA:myclass} - %{GREEDYDATA:myinfo}

特別說明一個情況，java中log4j的日志會出現日志級別ERROR和DEBUG后面一個空格，而其他INFO那些后面兩個空格

原因應該是ERROR和DEBUG比INFO那些多一個字母，為了對齊，這種情況難在不知道以致浪費時間到處查解析正確的原因，知道了當然就簡單了

%{LOGLEVEL:mylevel}  %{DATA:myclass}
改為
%{LOGLEVEL:mylevel}\s{1,2}%{DATA:myclass}

over