logstash日志分析的配置和使用

爱是王道

　　logstash是一个数据分析软件，主要目的是分析log日志。整一套软件可以当作一个MVC模型，logstash是controller层，Elasticsearch是一个model层，kibana是view层。
　　首先将数据传给logstash，它将数据进行过滤和格式化（转成JSON格式），然后传给Elasticsearch进行存储、建搜索的索引，kibana提供前端的页面再进行搜索和图表可视化，它是调用Elasticsearch的接口返回的数据进行可视化。logstash和Elasticsearch是用Java写的，kibana使用node.js框架。
　　这个软件官网有很详细的使用说明，https://www.elastic.co/，除了docs之外，还有视频教程。这篇博客集合了docs和视频里面一些比较重要的设置和使用。
一、logstash的配置
1. 定义数据源
　　写一个配置文件，可命名为logstash.conf，输入以下内容：

input {　　
        file {
　　
                path => "/data/web/logstash/logFile/*/*"
　　
                start_position => "beginning" #从文件开始处读写        }#       stdin {}  #可以从标准输入读数据}

　　定义的数据源，支持从文件、stdin、kafka、twitter等来源，甚至可以自己写一个input plugin。如果像上面那样用通配符写file，如果有新日志文件拷进来，它会自动去扫描。
2. 定义数据的格式
　　根据打日志的格式，用正则表达式进行匹配

filter {  #定义数据的格式  grok {　　
    match => { "message" => "%{DATA:timestamp}\|%{IP:serverIp}\|%{IP:clientIp}\|%{DATA:logSource}\|%{DATA:userId}\|%{DATA:reqUrl}\|%{DATA:reqUri}\|%{DATA:refer}\|%{DATA:device}\|%{DATA:textDuring}\|%{DATA:duringTime:int}\|\|"}
　　
  }
　　

　　
}

　　由于打日志的格式是这样的：

　　2015-05-07-16:03:04|10.4.29.158|120.131.74.116|WEB|11299073|http://quxue.renren.com/shareApp?isappinstalled=0&userId=11299073&from=groupmessage|/shareApp|null|Mozilla/5.0 (iPhone; CPU iPhone OS 8_2 like Mac OS X) AppleWebKit/600.1.4 (KHTML, like Gecko) Mobile/12D508 MicroMessenger/6.1.5 NetType/WIFI|duringTime|98||

　　以|符号隔开，第一个是访问时间，timestamp，作为logstash的时间戳，接下来的依次为：服务端IP，客户端的IP，机器类型(WEB/APP/ADMIN)，用户的ID(没有用0表示)，请求的完整网址，请求的控制器路径，reference，设备的信息，duringTime，请求所花的时间。
　　如上面代码，依次定义字段，用一个正则表达式进行匹配，DATA是logstash定义好的正则，其实就是(.*?)，并且定义字段名。
　　我们将访问时间作为logstash的时间戳，有了这个，我们就可以以时间为区分，查看分析某段时间的请求是怎样的，如果没有匹配到这个时间的话，logstash将以当前时间作为该条记录的时间戳。需要再filter里面定义时间戳的格式，即打日志用的格式：

filter {  #定义数据的格式　　
  grok {#同上... }
　　

　　
  #定义时间戳的格式  date {
　　
    match => [ "timestamp", "yyyy-MM-dd-HH:mm:ss" ]
　　
    locale => "cn"
　　
  }}

　　在上面的字段里面需要跟logstash指出哪个是客户端IP，logstash会自动去抓取该IP的相关位置信息：

　　
  grok {
　　

　　

　　
  date {

　　同样地还有客户端的UA，由于UA的格式比较多，logstash也会自动去分析，提取操作系统等相关信息
  #定义客户端设备是哪一个字段  useragent {　　
    source => "device"
　　
    target => "userDevice"
　　
  }
　　哪些字段是整型的，也需要告诉logstash，为了后面分析时可进行排序，使用的数据里面只有一个时间
  #需要进行转换的字段，这里是将访问的时间转成int，再传给Elasticsearch  mutate {　　
    convert => ["duringTime", "integer"]
　　
  }
3. 输出配置
　　最后就是输出的配置，将过滤扣的数据输出到elasticsearch

output {  #将输出保存到elasticsearch，如果没有匹配到时间就不保存，因为日志里的网址参数有些带有换行　　
  if [timestamp] =~ /^\d{4}-\d{2}-\d{2}/ {
　　
        elasticsearch { host => localhost }
　　
  }   #输出到stdout#  stdout { codec => rubydebug }
　　

　　
   #定义访问数据的用户名和密码#  user => webService#  password => 1q2w3e4r}

　　我们将上述配置，保存到logstash.conf，然后运行logstash
　　在logstash启动完成之后，输入上面的那条访问记录，logstash将输出过滤后的数据：

　　可以看到logstash，自动去查询IP的归属地，并将请求里面的device字段进行分析。
二、配置Elasticsearch和kibana
1. Elasticsearch
　　这个不需要怎么配，使用默认的配置即可。配置是: config/elasticsearch.yml
　　如果需要设置数据的过期时间，可以加上这两行（目测是这样配的，没有验证过，读者可以试一下）：
#设置为30天过期indices.cache.filter.expire: 30d　　

　　
index.cache.filter: 30d
　　Elasticsearch默认监听在9200端口，可对其进行查询和管理，例如看索引的健康状态：
curl 'localhost:9200/_cluster/health?level=indices&pretty'　　输出

:  :  : 2 : 1 : 161 : 161 : 161 : ,　　
       : 5 : 1 : 5 : 5 : 5

　　可在浏览器进行访问，例如查询一下使用chrome浏览器情况：

2. kibana
　　这个也不用配置，默认监听在5601端口。
#让它运行在后台　　
localhost# nohup bin/kibana &
　　注意以上两个要使用Java 7以上版本，还有小版本要求，下一个最新的Java 8即可，然后在启动脚本里export JAVA_HOME;
三、可视化数据分析
　　访问5601端口，如localhost:5601，打开kibana
1. 生成索引名称
　　第一次访问kibana会重定向到设置索引的页面：

　　在蓝色方框里输入要进行探索的索引，如果输入logstash-*就是匹配所有的索引，还可以指定日期，logstash的索引是按日期区分的，一个日期一个文件夹

　　因此也可以输入logstash-2015.05*，那么如果用这个索引名称，在接下来的操作都是针对5月份的记录。也可以再一个六月份的，在接下来的过程中在网页左上角索引那里随时进行切换。
2. 按天查看上月份的访问量
　　点左上角的discover

　　再点右上角的时钟，选时间

　　有三种格式的时间可以选择，我们选择上一个月，就可以看到上月份的访问情况：

3. 按地域访问情况
　　点击上面菜单栏的visualize，选择最后一个条形图，再选择from a new search

　　在左边的窗口里选择X-Axis，然后，Aggregation选择Date Histogram，Interval选择Daily，以天为单位

　　再点击上图的绿色箭头，右边出来日访问量：

　　接着点击左边的Add Sub-buckets，选择split bars，然后Sub Aggression选择Terms，相应的Field选择city_name，如下图：

　　点绿色的播放按钮，右边出来按照每天最高访问量的5个城市：

　　然后把它保存到Dashboard里，等会还要进行比较，点击右上角的save按钮，再起个名字

　　点击上面菜单栏的Dashboard，将刚刚保存的加进去。

　　接下来我们看一下，这几个城市的人分别访问的哪些接口比较多，可能可以看出不同地域的人对什么感兴趣
4. 查看不同城市的人访问接口的异同
　　点击Visulize（点两次），选择倒数第三个的饼图，接下来的操作类型于上面，按回车：

　　可以看出五月份的访问量，北京最多，然后就是长沙、天津、河北。
　　接着，Add sub-buckets，如下配置

　　可以看出，北京访问的接口从高到低今次是getdataversion、getthomeinfo、getactivitys等。然后继续保存到Dashboard。

　　再看下访问比较活跃的是哪几个IP
5. 查看访问量最高的几个IP
　　继续点visualize，选择data table，相应的配置类似于上面，返回一个前20个最活跃的IP的表格：

　　保存到面板
　　然后再看下5月份，总的访问量
6. 总点击量
　　在visualize那里选择metric，总的访问量为：

　　还可以看下在地图上的分布
7. 地图分布
　　在visualize选择Title map

　　可以看出访问量主要集中在北京一带。
　　同样保存到面板，现在在面板保存了5张图：

8. Dashboard的相关联操作
　　Dashboard的一个强大之处是可以进行关联查看。例如说要看一下最活跃的IP，是什么时候访问的，访问了哪些接口。
　　只需要在上图左下角的clientIP点一下相应的IP即可，面板里的其它各图都会相应地变化。

9. 搜索

　　kibana每个页面都有一个搜索的输入框，进行的任何可视化都可以通过搜索动态地改变.

　　kibana的搜索使用Luence语法，常用的可能就以下几个
（1）字段名:值
　　点击上面菜单的Discover，在搜索那里输入: clientIp:123.125.40.1，就可以调出这个IP，该段时间内所进行的所有访问，然后再进行后续其它的各种操作。

　　例如再看下他使用什么设备访问，在左边侧栏点击userDevice.os_name，再点Visualize

　　可以看出他使用的是ios系统比较多：

（2）To 范围
　　字段是Number型的支持范围搜索，例如看下响应时间在1000ms以上的。搜索duringTime:[1000 TO 1000000000]

　　看下是哪些接口，设置y轴为平均响应时间，就可以看出哪些接口的调用比较耗时：

　　（3）支持and or ()的组合，这里不再说明。
　　这里只是根据自已的日志进行一个分析，读者可根据自己的数据内容做相关的挖掘
　　个人博客：http://yincheng.site/logstash
　　参考：
　　1. https://www.elastic.co/ logstash官网