關於慢查詢的收集及處理也耗費了我們太多的時間和精力，如何在這一塊也能提升效率呢？且看本文講解如何利用ELK做慢日志收集。
ELK 介紹
ELK 最早是 Elasticsearch（以下簡稱ES）、Logstash、Kibana 三款開源軟件的簡稱，三款軟件后來被同一公司收購，並加入了Xpark、Beats等組件，改名為Elastic Stack，成為現在最流行的開源日志解決方案，雖然有了新名字但大家依然喜歡叫她ELK，現在所說的ELK就指的是基於這些開源軟件構建的日志系統。
我們收集mysql慢日志的方案如下：
-
mysql 服務器安裝 Filebeat 作為 agent 收集 slowLog
-
Filebeat 讀取 mysql 慢日志文件做簡單過濾傳給 Kafka 集群
-
Logstash 讀取 Kafka 集群數據並按字段拆分后轉成 JSON 格式存入 ES 集群
-
Kibana讀取ES集群數據展示到web頁面上
慢日志分類
目前主要使用的mysql版本有5.5、5.6 和 5.7，經過仔細對比發現每個版本的慢查詢日志都稍有不同，如下：
5.5 版本慢查詢日志
5.6 版本慢查詢日志
5.7 版本慢查詢日志
慢查詢日志異同點：
-
每個版本的Time字段格式都不一樣
-
相較於5.6、5.7版本，5.5版本少了Id字段
-
use db語句不是每條慢日志都有的
-
可能會出現像下邊這樣的情況，慢查詢塊# Time：下可能跟了多個慢查詢語句
-
處理思路
上邊我們已經分析了各個版本慢查詢語句的構成，接下來我們就要開始收集這些數據了，究竟應該怎么收集呢？
-
拼裝日志行：mysql 的慢查詢日志多行構成了一條完整的日志，日志收集時要把這些行拼裝成一條日志傳輸與存儲。
-
Time行處理：# Time: 開頭的行可能不存在，且我們可以通過SET timestamp這個值來確定SQL執行時間，所以選擇過濾丟棄Time行
-
一條完整的日志：最終將以# User@Host: 開始的行，和以SQL語句結尾的行合並為一條完整的慢日志語句
-
確定SQL對應的DB：use db這一行不是所有慢日志SQL都存在的，所以不能通過這個來確定SQL對應的DB，慢日志中也沒有字段記錄DB，所以這里建議為DB創建賬號時添加db name標識，例如我們的賬號命名方式為：projectName_dbName，這樣看到賬號名就知道是哪個DB了
-
確定SQL對應的主機：我想通過日志知道這條SQL對應的是哪台數據庫服務器怎么辦？
慢日志中同樣沒有字段記錄主機，可以通過filebeat注入字段來解決，例如我們給filebeat的name字段設置為服務器IP，這樣最終通過beat.name這個字段就可以確定SQL對應的主機了。
Filebeat配置
filebeat 完整的配置文件如下：
重要參數解釋：
-
input_type：指定輸入的類型是log或者是stdin
-
paths：慢日志路徑，支持正則，比如/data/*.log
-
exclude_lines：過濾掉# Time開頭的行
-
multiline.pattern：匹配多行時指定正則表達式，這里匹配以# Time或者# User開頭的行，Time行要先匹配再過濾
-
multiline.negate：定義上邊pattern匹配到的行是否用於多行合並，也就是定義是不是作為日志的一部分
-
multiline.match：定義如何將皮排行組合成時間，在之前或者之后
-
tail_files：定義是從文件開頭讀取日志還是結尾，這里定義為true，從現在開始收集，之前已存在的不管
-
name：設置filebeat的名字，如果為空則為服務器的主機名，這里我們定義為服務器IP
-
output.kafka：配置要接收日志的kafka集群地址可topic名稱
Kafka 接收到的日志格式：
{"@timestamp":"2018-08-07T09:36:00.140Z","beat":{"hostname":"db-7eb166d3","name":"10.63.144.71","version":"5.4.0"},"input_type":"log","message":"# User@Host: select[select] @ [10.63.144.16] Id: 23460596\n# Query_time: 0.155956 Lock_time: 0.000079 Rows_sent: 112 Rows_examined: 366458\nSET timestamp=1533634557;\nSELECT DISTINCT(uid) FROM common_member WHERE hideforum=-1 AND uid != 0;","offset":1753219021,"source":"/data/slow/mysql_slow.log","type":"log"}
Logstash配置
logstash完整的配置文件如下：
重要參數解釋：
-
input：配置 kafka 的集群地址和 topic 名字
-
filter：過濾日志文件，主要是對 message 信息（看前文 kafka 接收到的日志格式）進行拆分，拆分成一個一個易讀的字段，例如User、Host、Query_time、Lock_time、timestamp等。
grok段根據我們前文對mysql慢日志的分類分別寫不通的正則表達式去匹配，當有多條正則表達式存在時，logstash會從上到下依次匹配，匹配到一條后邊的則不再匹配。
date字段定義了讓SQL中的timestamp_mysql字段作為這條日志的時間字段，kibana上看到的實踐排序的數據依賴的就是這個時間
-
output：配置ES服務器集群的地址和index，index自動按天分割
kibana查詢展示
打開Kibana添加 mysql-slowlog-* 的Index，並選擇timestamp，創建Index Pattern
進入Discover頁面，可以很直觀的看到各個時間點慢日志的數量變化，可以根據左側Field實現簡單過濾，搜索框也方便搜索慢日志，例如我要找查詢時間大於2s的慢日志，直接在搜索框輸入 query_time: > 2 回車即可。
點擊每一條日志起邊的很色箭頭能查看具體某一條日志的詳情。
如果你想做個大盤統計慢日志的整體情況，例如top 10 SQL等，也可以很方便的通過web界面配置。
文章轉自：https://mp.weixin.qq.com/s/NQuxPt0Gm_Z1FVNwLVA48g