logstash filter grok 用法

在elk+filebeat都安装好，且明白了基本流程后，主要的就是写logstash的filter了，以此来解析特定格式的日志

logstash的filter是用插件实现的，grok是其中一个，用来解析自定义结构的日志，就是说可以完全自定义的去解析

grok的语法是%{pattern:field}

pattern是指模板（或者说是类型），logstash内置了很多，也可以自定义（用正则）

field是指解析后的键值中的键，当然值就是从日志解析出来的内容

（无论用什么pattern解析到elasticsearch默认都是用string存储，可以通过%{pattern:field:int}将之转换为number类型就可以进行加减计算了，只支持int和float）

比如，一个日志文件中是序号+ip，这样

1 127.0.0.1
2 127.0.0.2
3 127.0.0.3

filter就可以这样写（input省略了，肯定是从filebeat来的，output中指定index，方便测试）

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

那么日志到 elasticsearch中，就是这样：

{
  ...
  "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的基础用法就是这样了，一般来说内置的pattern就够用了

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

像IP、NUMBER这样的基本pattern位于grok-patterns中，常用的有：

INT	int类型
NUMBER	数字
DATA	数据，可以对应字符串
GREEDYDATA	数据，可以对应字符串，贪婪匹配
QUOTEDSTRING	带引号的字符串，可以简写为QS
WORD	一个词
IP	ip地址，v4 或 v6
DATE	日期
TIME	时间
DATESTAMP	日期+时间
PATH	系统路径
HOSTNAME	计算机名
MAC	mac地址
UUID	uuid
LOGLEVEL	日志等级
EMAILADDRESS	email地址

另外，还有可以直接用的模板集合，比如官方文档中的例子：

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

这个COMBINEDAPACHELOG就是一个内置的集合，这种集合还有很多，也在上面那个链接中，COMBINEDAPACHELOG就位于httpd，它的定义是：

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

（HTTPD_COMMONLOG的定义有点长，就省略了~~）

当日志的结构比较多，就需要自定义为模板集合，方便管理（自定义模板是一样的方式，感觉没必要，用内置的组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改为

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

测试下，效果当然跟上面是一样的。

还有一点，pattern本质都是正则，%{}之间的空格不是结构要求，而是因为日志就是空格分隔的，如果日志都用空格和-来分隔，那就是：

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

特别说明一个情况，java中log4j的日志会出现日志级别ERROR和DEBUG后面一个空格，而其他INFO那些后面两个空格

原因应该是ERROR和DEBUG比INFO那些多一个字母，为了对齐，这种情况难在不知道以致浪费时间到处查解析正确的原因，知道了当然就简单了

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

over