干货 | Logstash Grok数据结构化ETL实战

0、题记

日志分析是ELK起家的最核心业务场景之一。
如果你正在使用Elastic Stack并且正尝试将自定义Logstash日志映射到Elasticsearch，那么这篇文章适合您。
Logstash写入ES之前的中间数据处理过程一般叫做：数据ETL或者数据清洗。
本文重点介绍数据清洗环节的非结构数据转化为结构化数据的——Grok实现。

1、认知前提

老生常谈，夯实基础认知。
ELK Stack是三个开源项目的首字母缩写：Elasticsearch，Logstash和Kibana。 它们可以共同构成一个日志管理平台。
Elasticsearch：搜索和分析引擎。
Logstash：服务器端数据处理管道，它同时从多个源中提取数据，对其进行转换，然后将其发送到Elasticsearch存储。
Kibana：图表和图形来可视化数据ES中数据。
Beats后来出现，是一个轻量级的数据传输带（data shipper）。 Beats的引入将ELK Stack转换为Elastic Stack。

2、啥是Grok？

Grok是Logstash中的过滤器，用于将非结构化数据解析为结构化和可查询的数据。
它位于正则表达式之上，并使用文本模式匹配日志文件中的行。
下文分析你会看到，使用Grok在有效的日志管理方面大有裨益！

一图胜千言。

如果没有Grok，当日志从Logstash发送到Elasticsearch并在Kibana中呈现时，它只会出现在消息值中。
在这种情况下，查询有意义的信息很困难，因为所有日志数据都存储在一个key中。
白话文——Grok的目的：
将如上一个key对应的一长串非结构的Value，转成多个结构化的Key对应多个结构化的Value。

3、日志数据非结构化 VS 结构化

3.1 非结构化原始日志数据

localhost GET / v2 / applink / 5c2f4bb3e9fda1234edc64d 400 46ms 5bc6e716b5d6cb35fc9687c0

如果仔细查看原始数据，可以看到它实际上由不同的部分组成，每个部分用空格分隔符分隔。
对于更有经验的开发人员，您可以猜测每个部分的含义，以及来自API调用的日志消息。
从数据分析的角度：非结构化数据不便于检索、统计、分析。

3.2 结构化日志数据

localhost == environment （基础环境信息）
GET == method （请求方式）
/v2/applink/5c2f4bb3e9fda1234edc64d == url （URL地址）
400 == response_status （响应状态码）
46ms == response_time （响应时间）
5bc6e716b5d6cb35fc9687c0 == user_id （用户Id）

如上切分的中间转换正是借助grok实现。非结构化数据变成结构化数据后才凸显价值，检索、统计、分析等都变得非常简单了。

4、Grok模式

4.1 内置模式

Logstash提供了超过100种内置模式，用于解析非结构化数据。
对于常见的系统日志，如apache，linux，haproxy，aws等，内置模式是刚需+标配。
但是，当您拥有自定义日志时会发生什么？ 必须构建自己的自定义Grok模式。

4.2 自定义模式

构建自己的自定义Grok模式需要反复试验。 推荐使用Grok Debugger和Grok Patterns做验证。
Grok Debugger地址：https://grokdebug.herokuapp.com/ ，注意：需要梯子。
Grok Patterns地址：https://github.com/elastic/logstash/blob/v1.4.2/patterns/grok-patterns

请注意，Grok模式的语法是：％{SYNTAX：SEMANTIC}
实践一把：
步骤1：进入Grok Debugger中的Discover选项卡。
期望这个工具可以自动生成Grok模式，但它没有太大帮助，因为它只发现了如下两个匹配。

步骤2：借助Elastic的github上的语法在Grok Debugger上构建模式。

步骤3：Grok Debugger实操验证。

如上截图：
输入待匹配的源非结构化数据：

localhost GET /v2/applink/5c2f4bb3e9fda1234edc64d 400 46ms 5bc6e716b5d6cb35fc9687c0

输入匹配模式：

%{WORD:environment} %{WORD:method} %{URIPATH:url} %{NUMBER:response_status} %{WORD:response_time} %{USERNAME:user_id}

输出结构化数据解析后匹配结果：

{
  "environment": [
    [
      "localhost"
    ]
  ],
  "method": [
    [
      "GET"
    ]
  ],
  "url": [
    [
      "/v2/applink/5c2f4bb3e9fda1234edc64d"
    ]
  ],
  "response_status": [
    [
      "400"
    ]
  ],
  "BASE10NUM": [
    [
      "400"
    ]
  ],
  "response_time": [
    [
      "46ms"
    ]
  ],
  "user_id": [
    [
      "5bc6e716b5d6cb35fc9687c0"
    ]
  ]
}

在使用不同的语法后，终于能够以期望的方式构建日志数据。

5、grok集成到Logstash filter环节验证

步骤1：切换路径。
在安装ELK Stack的服务器上，切换到Logstash配置。

sudo vi /etc/logstash/conf.d/logstash.conf

步骤2：拷贝核心Grok配置， 更新Logstash.conf。
将验证后的grok部分贴过来。
注意：核心三段论结构。
1、输入：日志路径；
2、中间处理ETL：grok解析
3、输出：ES。

input { 
  file {
    path => "/your_logs/*.log"
  }
}
filter{
  grok {
    match => { "message" => "%{WORD:environment} %{WORD:method} %{URIPATH:url} %{NUMBER:response_status} %{WORD:response_time} %{USERNAME:user_id}"}
  }
}
output {
  elasticsearch {
    hosts => [ "localhost:9200" ]
  }
}

步骤3：重启。
保存更改后，重新启动Logstash并检查其状态以确保它仍然有效。

sudo service logstash restart
sudo service logstash status

6、Kibana可视化验证

最后，为了确保更改生效，请务必刷新Kibana中Logstash写入的Elasticsearch索引！

结论如下图所示：使用Grok，您的日志数据是结构化的！

Grok能够自动将日志数据映射到Elasticsearch。 这样可以更轻松地管理日志并快速实现查询、统计、分析操作。

7、小结

这是一篇翻译文章。当近期在尝试写类似解析文章的时候，发现国外已经有讲解的非常透彻的文章。
因此，在原文基础上做了实践验证和通俗化的解读，希望对你有帮助。
划重点：Grok Debugger和Grok Patterns工具的使用，会事半功倍，极大提高开发效率，避免不必要的“黑暗中摸索”。
思考：如果内置的grok pattern和自定义的pattern都不能满足已有复杂日志的匹配？我们该如何处理呢？
欢迎留言，写下你的思考。相信深度的思考，能提升你的技术认知！

原文地址：https://hackernoon.com/structuring-unstructured-data-with-grok-bcdbb240fcd1
推荐阅读：https://www.elastic.co/cn/blog/do-you-grok-grok

铭毅天下——Elasticsearch基础、进阶、实战第一公众号