logstash截取指定字符和grok的使用

logstash截取指定字符

由于项目原因有些日志打印出来之后，会在kibana中显示很不友好而且加载ES的时候也特别的慢，所以我想有没有办法可以让日志在kibana中展示的比较友好一点呢，于是找来很多相关的资料，种感觉有点差异，然后自己摸索的一点出来

在网上看到有很多种截取方式 有在filebeat中做过滤的 ，有在logstash中过滤的，这里简单的说说logstash中的一些

我们用grok来做一些过滤，grok支持正则表达式.
正则表达式的验证.

Item	Comment
%{USER:user}	以 USER 模式进行正则匹配，结果放在user中
[[^]]+]	以 [ 开头 以]结尾，内容是由一个或多个不是 ] 的字符填充而成
%{NUMBER: id:int}	以 NUMBER 模式进行正则匹配，为整数型，结果放在id中
\n	匹配换行符
%{NUMBER:query_time:float}	以 NUMBER 模式进行正则匹配，为浮点型，结果放在query_time中
(?:use\s+%{USER:usedatabase};\s*\n)?	这个匹配可能有，也可能无，如果有，就是以use开头，若干空字符，以 USER 模式进行正则匹配，结果放在usedatabase中，然后紧接着 ; ，后面是0个或多个空字符，然后是换行，注意：如果有是整体有，如果无，是整体无
\b	代表字单词边界不占位置，只用来指示位置
.*	尽可能多的任意匹配
(?< query>(?< action>\w+)\b.*)	整体匹配，存到query中，以一个或多个字符开头组成的单词，结果存到action中
(?:\n#\s+Time)?	内容可能有，也可能无，如果有，是接在一个换行之后，以 # 开头，隔着一个或多个空字符，然后是Time
.*$	任意匹配直到结尾

grok正则表达式：(?(.*)(?=Report)/?) 获取Report之前的字符
grok正则表达式：(?(?=Report)(.*)/?) 获取Report之后的字符
grok{
		match => { 
				 #截取之前的字符作为temMsg字段的值
				"message" => "(?(.*)(?=Report)/?)" 
			}
	}
这个是截取特定的字符集日志，要日志中包含了【Report】关键字
（注：表达式中(?=Report)中的等于【=】符号如果换成【<=】这表示就不包含本身了，例如(?(.*)(?=Report)/?)可以写成(?(.*)(?<=Report)/?)这样输出的结果就不包含Report了，同理下面的一样）

grok正则表达式：(?(?<=report).*?(?=msg)) 截取report和msg之间的值 不包含report和msg本身
grok正则表达式：(?(report).*?(?=msg)) 截取 包含report但不包含msg
grok正则表达式：(?(?<=report).*?(msg))截取  不包含report但包含msg
grok正则表达式：(?(report).*?(msg|request))输出以report开头,以msg或者以request结尾的所有包含头尾信息
grok正则表达式：(?(report).*?(?=(msg|request)))输出以report开头,以msg或者以request结尾的不包含头尾信息
grok{
		match => { 
				 #截取之后的和之前的值作为temMsg字段的值
				"message" => "(?(?<=report).*?(?=msg))" 
			}
	}
这个是截取特定的字符集日志，要日志中包含了【report和msg和request】关键字
之间的表达式只要替换一下就可以使用了
（注过个表达式中出现异常，在单个的字符串中可以将小括号【()】去掉，例如：(report).*?(?=msg) 可以写成report.*?(?=msg)）

grok正则表达式：(?([\s\S]{500}))
 grok{
       match => {
              #截取日志500个字符 作为MYELF的值
              "message" => "(?([\s\S]{500}))"  
             }
     }
    对有所日志截取500个字符，可以加入if()做为判断条件，根据自身项目来

grok正则表达式：%{LOGLEVEL:level}
grok {
		#这个patterns_dir大家都应该正对 单独写表达式的地方
		#patterns_dir => "/usr/local/nlp/logstash-6.0.1/config/patterns"
                match => [
                        "message","%{LOGLEVEL:level}"         
                ]
        }
  这个比较简单 就不多说了

结合上面的 这个是对level级别的日志做判断 如果日志中含有DEBUG的，就drop掉
if [level] == "DEBUG" {
       drop { }
}
这个其实和上面差不多，加了一个【~】表示对单条的前后日志做匹配
if[message]=~"ASPECT"{
       drop { }
}

这个是说对temMsg赋值的所有的日志从新命名打印message
mutate {
		#重命名字段temMsg为message
		rename => {"temMsg" => "message"} 
}

#logstash过滤器切割
filter {                                      
    if [type] == "simple" {
        mutate{
                 split => ["message","|"]     #按 | 进行split切割message
                        add_field =>   {
                                "requestId" => "%{[message][0]}"
                        }
                        add_field =>   {
                                "timeCost" => "%{[message][1]}"
                        }
                        add_field =>   {
                                "responseStatus" => "%{[message][2]}"
                        }
						add_field =>   {
                                "channelCode" => "%{[message][3]}"
                        }
						add_field =>   {
                                "transCode" => "%{[message][4]}"
                        }
        }
		mutate {
			convert => ["timeCost", "integer"]  #修改timeCost字段类型为整型
		}
    } else if [type] == "detail" {
		grok{
			match => {             
				#将message里面 TJParam后面的内容，分隔并新增为ES字段和值
				"message" => ".*TJParam %{PROG:requestId} %{PROG:channelCode} %{PROG:transCode}"
			}
		}
		grok{
			match => { 
			 	#截取TJParam之前的字符作为temMsg字段的值
				"message" => "(?(.*)(?=TJParam)/?)" 
				#删除字段message
				remove_field => ["message"]		     
			}
		}
		mutate {
			 #重命名字段temMsg为message
			rename => {"temMsg" => "message"}		    
		}
    }
}

最后来一个完整的

input {
    redis {
        data_type => "list"
        host => "localhost1"
        port => "5100"
        key => "nlp_log_file"
	    db => 0                                         
	    threads => 1                                    #线程数量
	    codec => "json"
    }
    redis {
        data_type => "list"
        host => "localhost2"
        port => "5101"
        key => "nlp_log_file"
        db => 0                                     
        threads => 1                                    #线程数量
        codec => "json"
    }
}

filter {
       grok {
		#patterns_dir => "/usr/local/nlp/logstash-6.0.1/config/patterns"
                match => [
                        "message","%{LOGLEVEL:level}"         
                ]
        }
	grok{
		match => { 
				#截取之前的字符作为temMsg字段的值
				"message" => "(?(.*)(?=)/?)"  
			}
	}
	mutate {
		 #重命名字段temMsg为message
		rename => {"temMsg" => "message"}		    
	}
        if [level] == "DEBUG" {
                drop { }
        }
        if[message]=~"ASPECT"{
                drop { }
        }
     #获取日志文件带RAWT关键字的
	if[message]=~"[RAW]"{   
             grok{
                match => {
             			#截取带RAW关键字的日志500个字符 作为MYELF的值
                        "message" => "(?([\s\S]{500}))"  
                        }
       		 }
       	      mutate {
                rename => {"MYELF" => "message"} #重命名字段MYELF为message
       	      }
        }
}

output {
    elasticsearch {
        hosts => ["localhost:9200"]
        index => "logstash-%{+YYYY.MM.dd}"  
		action => "index"
		template_overwrite => true
		#user => "elastic"
 		#password => "admins-1"
    }
	stdout{codec => dots}
}