RegexExtractorInterceptor实现源码分析

gerr

RegexExtractorInterceptor作为一个Interceptor实现类可以根据一个正则表达式匹配event body来提取字符串，并使用serializers把字符串作为header的值

实例：
以如下的命令使用execsource收集日志的时候，可以根据文件的名称设置不同的header，进行不同的操作

1 2 3 4

#!/bin/sh filename=$1 hostname=`hostname -s` tail -F $1 | awk -v filename=$filename -v hostname=$hostname '{print filename":"hostname":"$0}'

source的配置：

1 2 3 4 5 6 7 8

xxxx.sources.kafka1.interceptors = i1 xxxx.sources.kafka1.interceptors.i1.type = regex_extractor xxxx.sources.kafka1.interceptors.i1.regex = /apps/logs/(.*?)/ xxxx.sources.kafka1.interceptors.i1.serializers = s1 xxxx.sources.kafka1.interceptors.i1.serializers.s1.name = logtypename xxxx.sources.kafka1.selector.type = multiplexing xxxx.sources.kafka1.selector.header = logtypename xxxx.sources.kafka1.selector.mapping.nginx = nginx-channel

几个参数项：
regex 正则表达式

1 2 3 4 5 6

serializers  定义匹配组(正则匹配之后的值作为header的值,比如如果 Event body为1:2:3.4foobar5,regex为(\\d):(\\d):(\\d)，serializers 设置为a b c,serializers.a.name 为one,serializers.b.name为two,serializers.c.name 为three,那么one->1,two->2,three->3.4foobar5,注意可以不必匹配所有的组) serializers.x.name 作为event的header

首先看内部类Builder：
1）configureSerializers方法用来生成配置项，主要是操作List<NameAndSerializer>，静态内部类NameAndSerializer是一个包含了headerName和RegexExtractorInterceptorSerializer属性的容器，这里每一个serializers.x.name的配置对应一个RegexExtractorInterceptorSerializer对象,RegexExtractorInterceptorSerializer默认是org.apache.flume.interceptor.RegexExtractorInterceptorPassThroughSerializer，即对参数不做任何处理直接返回：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

private List<NameAndSerializer> serializerList; private final RegexExtractorInterceptorSerializer defaultSerializer = new RegexExtractorInterceptorPassThroughSerializer(); ....      private void configureSerializers(Context context) {       String serializerListStr = context.getString( SERIALIZERS ); //解析serializers的配置       Preconditions. checkArgument(!StringUtils. isEmpty(serializerListStr),           "Must supply at least one name and serializer" );       String[] serializerNames = serializerListStr.split( "\\s+" ); //按空格分隔       Context serializerContexts =           new Context(context.getSubProperties( SERIALIZERS + "."));       serializerList = Lists. newArrayListWithCapacity(serializerNames.length);       for(String serializerName : serializerNames) { //对每一个serializers里面的设置进行操作         Context serializerContext = new Context(             serializerContexts.getSubProperties(serializerName + "." ));         String type = serializerContext.getString( "type" , "DEFAULT" ); //获取serializers.x.type的设置，默认值是DEFAULT,即org.apache.flume.interceptor.RegexExtractorInterceptorPassThroughSerializer         String name = serializerContext.getString( "name" ); ////获取serializers.x.name的设置         Preconditions. checkArgument(!StringUtils. isEmpty(name),             "Supplied name cannot be empty." );         if ("DEFAULT" .equals(type)) {           serializerList .add(new NameAndSerializer(name, defaultSerializer)); //生成NameAndSerializer对象，并加入到List<NameAndSerializer>中，静态内部类NameAndSerializer是一个包含了headerName和RegexExtractorInterceptorSerializer属性的容器，这里每一个serializers.x.name的配置对应一个RegexExtractorInterceptorSerializer对象         } else {           serializerList .add(new NameAndSerializer(name, getCustomSerializer(               type, serializerContext))); //getCustomSerializer用于根据type的设置返回RegexExtractorInterceptorSerializer对象         }       }     }

这里org.apache.flume.interceptor.RegexExtractorInterceptorSerializer 接口类，定义了一个抽象方法serialize,实现类包括:

1 2 3 4

org.apache.flume.interceptor.RegexExtractorInterceptorPassThroughSerializer //直接返回，不做另外的操作(默认的类) org.apache.flume.interceptor.RegexExtractorInterceptorMillisSerializer //使用指定的formatting pattern把传入的值转换为milliseconds

  
2）build方法用于返回一个RegexExtractorInterceptor对象

1	return new RegexExtractorInterceptor( regex , serializerList );

RegexExtractorInterceptor的主要方法intercept：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

static final String REGEX = "regex" ;   static final String SERIALIZERS = "serializers" ; ...   public Event intercept(Event event) {     Matcher matcher = regex.matcher(         new String(event.getBody(), Charsets.UTF_8)); //对Event的body进行matcher操作     Map<String, String> headers = event.getHeaders(); // 获取Event的header键值对     if (matcher.find()) { //检测字符串中的子字符串是否可以匹配到正则       for ( int group = 0, count = matcher.groupCount(); group < count; group++) {         int groupIndex = group + 1; // 匹配的index从1开始         if (groupIndex > serializers .size()) { //判断index是否大于serializers列表(configure产生的List<NameAndSerializer>)的长度 ....           break;         }         NameAndSerializer serializer = serializers.get(group); //从serializers中获取对应的NameAndSerializer 对象 ....         headers.put(serializer. headerName,             serializer. serializer.serialize(matcher.group(groupIndex))); // 向Event中插入headerName和对应的value,这里headerName即为serializers.x.name的设置，value会通过RegexExtractorInterceptorSerializer进行处理       }     }     return event;   }