導讀：數據總線DBus的總體架構中主要包括六大模塊，分別是：日志抓取模塊、增量轉換模塊、全量抽取程序、日志算子處理模塊、心跳監控模塊、Web管理模塊。六大模塊各自的功能相互連接，構成DBus的工作原理：通過讀取RDBMS增量日志的方式來實時獲取增量數據日志（支持全量拉取）；基於Logstash，flume，filebeat等抓取工具來實時獲得數據，以可視化的方式對數據進行結構化輸出。本文主要介紹的是DBus中基於可視化配置的日志結構化轉換實現的部分。
一、結構化日志的原理
1.1 源端日志抓取
DBus可以對接多種log數據源，例如：Logstash、Flume、Filebeat等。上述組件都是業界比較流行的日志抓取工具，一方面便於用戶和業界統一標准，方便用戶技術方案的整合；另一方面也避免了無謂的重復造輪子。抓取的數據我們稱為原始數據日志（raw data log），由抓取組件將其寫入Kafka中，等待DBus后續處理。
1.2 可視化配置規則，使日志結構化
用戶可自定義配置日志源和目標端。同一個日志源的數據可以輸出到多個目標端。每一條“日志源-目標端”線，用戶可以根據自己的需要來配置相應的過濾規則。經過規則算子處理后的日志是結構化的，即：有schema約束，類似於數據庫中的表。
1.3 規則算子
DBus設計了豐富易用的算子，用於對數據進行定制化操作。用戶對數據的處理可分為多個步驟進行，每個步驟的數據處理結果可即時查看、驗證；並且可重復使用不同算子，直到轉換、裁剪出自己需要的數據。
1.4 執行引擎
將配置好的規則算子組應用到執行引擎中，對目標日志數據進行預處理，形成結構化數據，輸出到Kafka，供下游數據使用方使用。系統流程圖如下所示：
根據DBus log設計原則，同一條原始日志，可以被提取到一個或多個表中。每個表是結構化的，滿足相同的schema約束。
- 每個表是一個規則算子組的集合，每個表可以擁有1個或多個規則算子組；
- 每個規則算子組，由一組規則算子組合而成，每個算子具有獨立性；
對於任意一條原始數據日志（raw data log），它應該屬於哪張表呢？
假如用戶定義了若干張邏輯表（T1,T2…），用於抽取不同類型的日志，那么，每條日志需要與規則算子組進行匹配：
- 進入某張表T1的所有規則算子組的執行過程
- 符合條件的進入規則算子組，並且被執行引擎轉換為結構化的表數據
- 不符合提取條件的日志嘗試下一個規則算子組
- 對於T1的所有規則算子組，如果都不滿足要求，則進入下一張表T2的執行過程，以此類推
- 如果該條日志不符合任何一張表的過濾規則，則進入_unknown_table_表
例如，對於同一條應用日志，其可能屬於不止一個規則組或Table，而在我們定義的規則組或Table中，只要其滿足過濾條件，該應用日志就可以被規則組提取，即保證了同一條應用日志可以同屬於不同的規則組或Table。
規則算子是對數據進行過濾、加工、轉換的基本單元。常見的規則算子如上圖所示。
算子之間具有獨立性，算子之間可以任意組合使用，從而可以實現許多復雜的、高級的功能，通過對算子進行迭代使用，最終可以實現對任意數據進行加工的目的。用戶可以開發自定義算子，算子的開發非常容易，用戶只要遵循基本接口原則，就可以開發任意的算子。
二、DBus日志處理實例
以DBus集群環境為例，DBus集群中有兩台機器（即master-slave）部署了心跳程序，用於監控、統計、預警等，心跳程序會產生一些應用日志，這些應用日志中包含各類事件信息，假如我們想要對這些日志進行分類處理並結構化到數據庫中，我們就可以采用DBus log程序對日志進行處理。
DBus可以接入多種數據源（Logstash、Flume、Filebeat等），此處以Logstash為例來說明如何接入DBus的監控和報警日志數據。
由於在dbus-n2和dbus-n3兩台機器上分別存在監控和預警日志，為此我們分別在兩台機器上部署了Logstash程序。心跳數據由Logstash自帶的心跳插件產生，其作用是便於DBus對數據進行統計和輸出，以及對源端日志抽取端（此處為Logstash）進行預警（對於Flume和Filebeat來說，因為它們沒有心跳插件，所以需要額外為其定時產生心跳數據）。Logstash程序寫入到Kafka中的數據中既有普通格式的數據，同時也有心跳數據。
這里不只是局限於2台部署有Logstash程序的機器，DBus對Logstash數量不做限制，比如應用日志分布在幾十上百台機器上，只需要在每台機器上部署Logstash程序，並將數據統一抽取到同一個Kafka Topic中，DBus就能夠對所有主機的數據進行數據處理、監控、預警、統計等。
2.1 啟動Logstash
在啟動Logstash程序后，我們就可以從topic : heartbeat_log_logstash中讀取數據，數據樣例如下：
1)心跳數據
2)普通日志數據
2.2 配置規則
接下來，我們只需要在DBus Web中配置相應的規則就可以對數據進行處理了。
首先新建一個邏輯表sink_info_table，該表用來抽取sink事件的日志信息，然后配置該表的規則組（一個或多個，但所有的規則組過濾后的數據需要滿足相同schema特性），heartbeat_log_logstash作為原始數據topic，我們可以實時的對數據進行可視化操作配置（所見即所得，即席驗證）。
1)讀取原始數據日志
可以看到由Logstash預先提取已經包含了log4j的基本信息，例如path、@timestamp、level等。但是數據日志的詳細信息在字段log中。由於不同的數據日志輸出是不一樣的，因此可以看到log列數據是不同的。
2)提取感興趣的列
假如我們對timestamp、log 等原始信息感興趣，那么可以添加一個toIndex算子，來提取這些字段：
這里需要指出，我們考慮使用數組下標方式，是有原因的： - 並不是所有列本身自帶列名（例如flume抽取的原始數據，或者split算子處理后的數據列）； - 下標方式可以使用數組方式指定列（類似python方式， 例如：1:3表示1，2列）； 因此后續操作全部基於數組下標方式訪問。
執行規則，就可以看到被提取后的字段情況：
3)過濾需要的數據
在這個例子中，我們只對含有“Sink to influxdb OK!”的數據感興趣。因此添加一個filter算子，提取第7列中包含”Sink to influxdb OK!”內容的行數據：
執行后，只有符合條件的日志行數據才會存在。
4)對特定列進行提取
添加一個select算子，我們對第1和3列的內容感興趣，所以對這兩列進行提取。
執行select算子，數據中就會只含有第1和3列了。
5)以正則表達式的方式處理數據
我們想從第1列的數據中提取符合特定正則表達式的值，使用regexExtract算子對數據進行過濾。正則表達式如下：http_code=(\d*).*type=(.*),ds=(.*),schema=(.*),table=(.*)\s.*errorCount=(\d*)，用戶可以寫自定義的正則表達式。
執行后，就會獲取正則表達式執行后的數據。
6)選擇輸出列
最后我們把感興趣的列進行輸出，使用saveAs算子， 指定列名和類型，方便於保存在關系型數據庫中。
執行saveAs算子后，這就是處理好的最終輸出數據樣本。
2.3 查看結構化輸出結果
保存上一步配置好的規則組，日志數據經過DBus執行算子引擎，就可以生成相應的結構化數據了。目前根據項目實際，DBus輸出的數據是UMS格式，如果不想使用UMS，可以經過簡單的開發，實現定制化。
注：UMS是DBus定義並使用的、通用的數據交換格式，是標准的JSON。其中同時包含了schema和數據信息。更多UMS介紹請參考DBus開源項目主頁的介紹。開源地址：https://github.com/bridata/dbus
以下是測試案例，輸出的結構化UMS數據的樣例：
2.4 日志監控
為了便於掌握數據抽取、規則匹配、監控預警等情況，我們提供了日志數據抽取的可視化實時監控界面，如下圖所示，可隨時了解以下信息：
- 實時數據條數
- 錯誤條數情況（錯誤條數是指：執行算子時出現錯誤的情況，幫助發現算子與數據是否匹配，用於修改算子，DBus同時也提供了日志回讀的功能，以免丟失部分數據）
- 數據延時情況
- 日志抽取端是否正常
監控信息中包含了來自集群內各台主機的監控信息，以主機IP（或域名）對數據分別進行監控、統計和預警等。
監控中還有一張表叫做_unkown_table_ 表明所有沒有被匹配上的數據條數。例如：Logstash抓取的日志中有5種不同事件的日志數據，我們只捕獲了其中3種事件，其它沒有被匹配上的數據，全部在_unkown_table_計數中。
DBus同樣可以接入Flume、Filebeat、UMS等數據源，只需要稍作配置，就可以實現類似於對Logstash數據源同樣的處理效果，更多關於DBus對log的處理說明，請參考：
-
https://bridata.github.io/DBus/install-logstash-source.html
-
https://bridata.github.io/DBus/install-flume-source.html
-
https://bridata.github.io/DBus/install-filebeat-source.html
應用日志經過DBus處理后，將原始數據日志轉換為了結構化數據，輸出到Kafka中提供給下游數據使用方進行使用，比如通過Wormhole將數據落入數據庫等。具體如何將DBus與Wormhole結合起來使用，請參考：如何設計實時數據平台（技術篇）。
作者：仲振林