日志分析logstash插件介绍

Logstash是一款轻量级的日志搜集处理框架，可以方便的把分散的、多样化的日志搜集起来，并进行自定义的处理，然后传输到指定的位置，比如某个服务器或者文件。
logstash功能很强大。从 logstash 1.5.0 版本开始，logstash 将所有的插件都独立拆分成 gem 包。这样，每个插件都可以独立更新，不用等待 logstash 自身做整体更新的时候才能使用了。为了达到这个目标，logstash 配置了专门的 plugins 管理命令

logstash插件安装（本地安装）
logstash处理事件有三个阶段：input ---> filter ---> output。input产生事件，filter 对事件进行修改，output输出到其它地方。
filter是logstash管道中间处理的设备。可以结合条件语句对符合标准的事件进行处理。这里只介绍filter的插件：
你可以通过 bin/plugin list 查看本机现在有多少插件可用。(其实就在 vendor/bundle/jruby/1.9/gems/ 目录下)
插件本地安装的方法

bin/logstash-plugin install logstash-filter-kv
Ignoring ffi-1.9.13 because its extensions are not built.  Try: gem pristine ffi --version 1.9.13
Validating logstash-filter-kv
Installing logstash-filter-kv
Installation successful

更新插件：bin/logstash-plugin update logstash-filter-kv

插件介绍
这里只介绍几种常用的
grok: 解析和结构化任何文本（前面单独介绍过就不重复了）/article/11919333.html
geoip: 添加有关IP地址地理位置信息。geoip这个插件非常重要，而且很常用。他能分析访问的ip分析出访问者的地址信息。举例如下：

filter {
geoip {
source => "message"
}
}

message你输入个IP地址，结果如下：

{
"message" => "183.60.92.253",
"@version" => "1",
"@timestamp" => "2016-07-07T10:32:55.610Z",
"host" => "raochenlindeMacBook-Air.local",
"geoip" => {
"ip" => "183.60.92.253",
"country_code2" => "CN",
"country_code3" => "CHN",
"country_name" => "China",
"continent_code" => "AS",
"region_name" => "30",
"city_name" => "Guangzhou",
"latitude" => 23.11670000000001,
"longitude" => 113.25,
"timezone" => "Asia/Chongqing",
"real_region_name" => "Guangdong",
"location" => [
[0] 113.25,
[1] 23.11670000000001
]
}
}

实际应用中我们可以把grok获取的request_ip传给geoip处理。

filter {
if [type] == "apache" {
grok {
patterns_dir => "/usr/local/logstash-2.3.4/ownpatterns/patterns"
match => {
"message" => "%{APACHE_LOG}"
}
remove_field => ["message"]
}
geoip {
source => "request_ip"
}
}

在logstash分析完数据到output阶段输出到其它地方时，数据中就有访问者的地理信息。

date：用来转换你的日志记录中的时间字符串date是一个非常常用的插件

filter {
if [type] == "apache" {
grok {
patterns_dir => "/usr/local/logstash-2.3.4/ownpatterns/patterns"
match => {
"message" => "%{APACHE_LOG}"
}
remove_field => ["message"]
}
date {
match => [ "timestamp", "dd/MMM/YYYY:HH:mm:ss Z" ]
}
}
}

apache日志中的时间戳是：[19/Jul/2016:16:28:52 +0800] 。match的时间格式要和日志中的匹配对应。

APACHE_LOG %{IPORHOST:addre} %{USER:ident} %{USER:auth} \[%{HTTPDATE:timestamp}\] \"%{WORD:http_method} %{NOTSPACE:request} HTTP/%{NUMBER:httpversion}\" %{NUMBER:status} (?:%{NUMBER:bytes}|-) \"(?:%{URI:http_referer}|-)\" \"%{GREEDYDATA:User_Agent}\"

在apache日志中已经有[%{HTTPDATE:timestamp}\]，为什么还要经过date插件再处理下呢？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。所以需要再filter里面定义时间戳的格式。如果没有使用date，在elasticsearch显示的时间有可能和日志生成的时间不一致。
useragent：用来处理分析访问者使用的浏览器及操作系统在apache日志中会发现有这么一段日志：Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36我们在用grok分割数据时也是使用%{GREEDYDATA:User_Agent}。备注：GREEDYDATA这个grok表达式是匹配任何类型的数据。 GREEDYDATA .*通过这条数据，即使我们显示出来意义也不大，但我们可以通过useragent挖掘它的信息

filter {
if [type] == "apache" {
grok {
patterns_dir => "/usr/local/logstash-2.3.4/ownpatterns/patterns"
match => {
"message" => "%{APACHE_LOG}"
}
remove_field => ["message"]
}
useragent {
source => "User_Agent"
target => "ua"
}
date {
match => [ "timestamp", "dd/MMM/YYYY:HH:mm:ss Z" ]
}
}
}

显示结果：

从上图我们可以看到访问者浏览器及操作系统的信息。比那一大串信息更加有意义。
mutate：它提供了丰富的基础类型数据处理能力。包括类型转换，字符串处理和字段处理等。可以设置的转换类型包括："integer"，"float" 和 "string"。示例如下：

filter {
mutate {
convert => ["request_time", "float"]
}
}

简单优化数据logstash采集数据加上date，geoip，useragent等插件会使我们获取的信息更加信息，但是也更加臃肿。所有我们要踢掉一些没有意义的数据，简化传输给elasticsearch的数据。remove_field能很好的完成这个任务。上面也有用到。remove_field => ["message"]在grok中我们已经发message分成了很多段小数据，如果在把message传输给elasticsearch就重复了。当然在传输的小数据中也有很多我们用不到或者毫无意义。我们就可以使用remove_field来清除。

mutate{
remove_field => ["Syslog_Timestamp"]
remove_field => ["message"]
}

参考：https://zengjice.gitbooks.io/logstash-best-practice-cn/content/filter/mutate.html
drop: 完全丢弃事件，如debug事件

filter {
if [loglevel] == "debug" {
drop { }
}
}

参考：https://www.elastic.co/guide/en/logstash/current/plugins-filters-drop.html

本文出自 “宁静致远” 博客，请务必保留此出处http://irow10.blog.51cto.com/2425361/1828521