Logstash學習記錄
官方文檔logstash2.3 document：
https://www.elastic.co/guide/en/logstash/current/index.html
一：什麼是Logstash
1. logstash 是什麼？
Logstash 是有管道輸送能力的開源數據收集引擎。它可以動態地從分散的數據源收集數據，並且標準化數據輸送到你選擇的目的地。它是一款日誌而不僅限於日誌的蒐集處理框架，將分散多樣的數據蒐集自定義處理並輸出到指定位置。
2.工作原理
Logstash使用管道方式進行日誌的蒐集處理和輸出。有點類似*NIX系統的管道命令 xxx | ccc | ddd，xxx執行完了會執行ccc，然後執行ddd。
在logstash中，包括了三個階段:
輸入input --> 處理filter（不是必須的） --> 輸出output
每個階段都由很多的插件配合工作，比如file、elasticsearch、redis等等。
每個階段也可以指定多種方式，比如輸出既可以輸出到elasticsearch中，也可以指定到stdout在控制檯打印。
由於這種插件式的組織方式，使得logstash變得易於擴展和定製。
3.運行logstash
Logstash運行僅僅依賴java運行環境(jre)
若logstash的安裝目錄在${logstashHome}，進入安裝目錄可在控制檯輸入命令：bin/logstash -e 'input { stdin { } } output { stdout {} }'
我們現在可以在命令行下輸入一些字符，然後我們將看到logstash的輸出內容：
hello world
2013-11-21T01:22:14.405+0000 0.0.0.0 hello world
使用-e參數在命令行中指定配置是很一種方式，不過如果需要配置更多設置則需要很長的內容。這種情況，我們首先創建一個配置文件，並且指定logstash使用這個配置文件。
標準配置爲文件含有input{} filter{}和output{}三部分，如配置一個配置文件sampl.conf
input {
file {
path => "/path/to/logstash-tutorial.log"
start_position => beginning
ignore_older => 0
}}
filter {
grok {
match => { "message" => "%{COMBINEDAPACHELOG}"}
}}
output{
elasticsearch {hosts=>localhost:9020}
Stdout{Codec=>”rubydebug” }
}
/path/to/是配置文件在你的文件系統的具體位置
logstash-tutorial.log爲Apache日誌內容如下：
83.149.9.216 - - [04/Jan/2015:05:13:42 +0000] "GET /presentations/logstash-monitorama-2013/images/kibana-search.png
HTTP/1.1" 200 203023 "http://semicomplete.com/presentations/logstash-monitorama-2013/" "Mozilla/5.0 (Macintosh; Intel
Mac OS X 10_9_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/32.0.1700.77 Safari/537.36"
在命令行輸入：
bin/logstash -f first-pipeline.conf --configtest查證配置文件有無錯誤
然後運行logstash調用配置文件
bin/logstash -f first-pipeline.conf
在命令行有輸出JSON格式：
{"clientip" : "83.149.9.216",
"ident" : ,
"auth" : ,
"timestamp" : "04/Jan/2015:05:13:42 +0000",
"verb" : "GET",
"request" :"/presentations/logstash-monitorama-2013/images/kibana-search.png",
"httpversion" : "HTTP/1.1",
"response" : "200",
"bytes" : "203023",
"referrer" :"http://semicomplete.com/presentations/logstash-monitorama-2013/",
"agent" : "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/32.0.1700.77 Safari/537.36"}
命令行參數
Logstash 提供了一個 shell 腳本叫 logstash 方便快速運行。它支持一下參數：
-e
意即執行。我們在 "Hello World" 的時候已經用過這個參數了。事實上你可以不寫任何具體配置，直接運行 bin/logstash -e '' 達到相同效果。這個參數的默認值是下面這樣：
input {
stdin { }
}
output {
stdout { }
}
--config 或 -f
意即文件。真實運用中，我們會寫很長的配置，甚至可能超過 shell 所能支持的 1024 個字符長度。所以我們必把配置固化到文件裏，然後通過 bin/logstash -f agent.conf 這樣的形式來運行。
此外，logstash 還提供一個方便我們規劃和書寫配置的小功能。你可以直接用 bin/logstash -f /etc/logstash.d/ 來運行。logstash 會自動讀取 /etc/logstash.d/ 目錄下所有的文本文件，然後在自己內存裏拼接成一個完整的大配置文件，再去執行。
--configtest 或 -t
意即測試。用來測試 Logstash 讀取到的配置文件語法是否能正常解析。Logstash 配置語法是用 grammar.treetop 定義的。尤其是使用了上一條提到的讀取目錄方式的讀者，尤其要提前測試。
--log 或 -l
意即日誌。Logstash 默認輸出日誌到標準錯誤。生產環境下你可以通過 bin/logstash -l logs/logstash.log 命令來統一存儲日誌。
--filterworkers 或 -w
意即工作線程。Logstash 會運行多個線程。你可以用 bin/logstash -w 5 這樣的方式強制 Logstash 爲過濾插件運行 5 個線程。
注意：Logstash目前還不支持輸入插件的多線程。而輸出插件的多線程需要在配置內部設置，這個命令行參數只是用來設置過濾插件的！
提示：Logstash 目前不支持對過濾器線程的監測管理。如果 filterworker 掛掉，Logstash 會處於一個無 filter 的僵死狀態。這種情況在使用 filter/ruby 自己寫代碼時非常需要注意，很容易碰上 NoMethodError: undefined method '*' for nil:NilClass 錯誤。需要妥善處理，提前判斷。
--pluginpath 或 -P
可以寫自己的插件，然後用 bin/logstash --pluginpath /path/to/own/plugins 加載它們。
--verbose
輸出一定的調試日誌。
小貼士：如果你使用的 Logstash 版本低於 1.3.0，你只能用 bin/logstash -v 來代替。
--debug
輸出更多的調試日誌。
小貼士：如果你使用的 Logstash 版本低於 1.3.0，你只能用 bin/logstash -vv 來代替
CTRL-D 退出運行中的logstashshell
二：配置logstash
創建配置文件，在配置文件的各個部分（input，filter，output）制定並配置你要使用的插件
1. 數據類型
Logstash 支持少量的數據值類型：
bool
debug => true
string
host => "hostname"
number
port => 514
array
match => ["datetime", "UNIX", "ISO8601"]
hash
options => {
key1 => "value1",
key2 => "value2"
}
ü
2事件依賴配置
1. Filed references ,sprintf format, conditionals 作用在filter和output階段
Filed reference 是filed嵌套，如下面事件
{ "agent": "Mozilla/5.0 (compatible; MSIE 9.0)",
"ip": "192.168.24.44",
"request": "/index.html"
"response": {
"status": 200,
"bytes": 52353 },
"ua": {
"os": "Windows 7" }
}
你可以定義[ua][os]來引用os字段
Sprintf format
（1） 根據appache日誌狀態碼計數
output {
statsd {
increment => "apache.%{[response][status]}"
} }
（2）output { file { path => "/var/log/%{type}.%{+yyyy.MM.dd.HH}" } }
Conditional
在某種特定條件下過濾，輸出event（if ,else if,else 可以嵌套）
comparison operators比較操作:
equality: ==, !=, <, >, <=, >=
regexp: =~, !~ (checks a pattern on the right against a string value on the left)
inclusion: in, not in
boolean operators布爾操作：
and, or, nand, xor
一元操作:
!
僅讓grok成功的字段索引到elasticsearch中
output {
if "_grokparsefailure" not in [tags] {
elasticsearch { ... } }
}
2. @matedata字段
在output階段不作爲event的一部分輸出，可以很好的作爲條件判斷，或是利用字段引用（filed reference）
和sprintf format 來擴展或是創建字段
如果要顯示輸出@matedata可設置stdout { codec => rubydebug { metadata => true } }
Similarly, you can use conditionals to direct events to particular outputs. For example, you could:
l alert nagios of any apache events with status 5xx
l record any 4xx status to Elasticsearch
l record all status code hits via statsd
To tell nagios about any http event that has a 5xx status code, you first need to check the value of the typefield. If it’s apache, then you can check to see if the status field contains a 5xx error. If it is, send it to nagios. If it isn’t a 5xx error, check to see if the status field contains a 4xx error. If so, send it to Elasticsearch. Finally, send all apache status codes to statsd no matter what the status field contains:
output {
if [type] == "apache" {
if [status] =~ /^5\d\d/ {
nagios { ... }
} else if [status] =~ /^4\d\d/ {
elasticsearch { ... }
}
statsd { increment => "apache.%{status}" }
}}
4.input plugins
l Input-file-plugin
Path=>”/var/log/*” 作爲輸入的文件的完全路徑
Excude =>”*.gz” 不用匹配的文件，非=完全路徑
ignore_older => 86400 (s)時間間隔最後被修改的被忽略
max_open_files => number
add_field=> {} hash值， eg：add_field => {“addfield”=>”content”}
close =>”plain”
delimiter=> “\n” 默認值，定界符
discover_interval => 15（s） 每隔多久在文件路徑模式下發現新的文件 (interval 時間間隔)
sincedb_path 默認$HOME/.sincedb ,將被寫入硬盤的sincedb_database文件的路徑，默認是匹配$HOME/.sincedb* 的路徑
sincedb_write_interval =>15（s）多久將被監控日誌文件的當前位置寫一個since database 一次
start_position => “end” 還可”beginning” 從哪開始讀取文件，僅當文件是新建的或是從前沒見過的，否則失效
start_interval => 設置多久看一次文件是否修改，有新的日誌行，
tags =>”arrary ” 添加時間tag 可任意多的
type => “string ”爲input 控制的所有事件添加一個type 的字段， 在filter操作會用到該字段
l Input-stdin-plugin
是 logstash 裏最簡單和基礎的插件
l Input-jdbc-plugin
schedule：設置監聽間隔。可以設置每隔多久監聽一次什麼的。具體參考官方文
statement_filepath： 執行的sql 文件路徑+名稱
數據庫的表的一條記錄爲一個事件
下面配置文件監控的是遠程數據庫，注意的是，MySQL數據庫配置是要設爲允許遠程訪問
5.Filter plugins
l Filter-grok-plugin
解析任意文本並且結構化他們。grok目前是logstash中最好的解析非結構化日誌並且結構化他們的工具。這個工具非常適合syslog、apache log、mysql log之類的人們可讀日誌的解析
其配置參數如下：
add_field => ... # hash (optional), default: {}
add_tag => ... # array (optional), default: []
break_on_match => ... # boolean (optional), default: true
設爲true時grok的第一個成功匹配將結束fliter操作，若想完成所有的匹配應該設爲false
drop_if_match => ... # boolean (optional), default: false
keep_empty_captures => ... # boolean (optional), default: false
match => ... # hash (optional), default: {}
named_captures_only => ... # boolean (optional), default: true存儲時間有命名的捕獲
overwrite => ... # array (optional), default: []
允許字段重寫，字段已經存在用grok匹配的信息重寫該字段
grok{
match=>{"message"=>"%{SYSLOGBASE"}%{DATA:message}}
Overwrite=>[“message”] #重寫message字段
}
patterns_dir => ... # array (optional), default: []
remove_field => ... # array (optional), default: []
remove_tag => ... # array (optional), default: []
tag_on_failure => ... # array (optional), default: ["_grokparsefailure"]表示沒有成功匹配
l Filter-date-plugin
從字段中解析日期，並將這個日期date或timestamp作爲事件的@timestamp
這個字段在整理事件和回填舊數據是特別有用
add-field =>{}
remove-field =>[]
add-tag =>[]
remove-tag =>[]
local=>””
match=>[“fieldname”,”format” “format”]
Format 有多種匹配格式的可能：MMM dd YYYY HH:mm:ss
MMM d YYYY HH:mm:ss
dd/MMM/yyyy:HH:mm:ss Z
ISO8601 (如：2011-04-19T03:44:01.1032)
Periodic_flush=>false
Tag_on_failure=>[“_datepardefailure”]沒有成功匹配是添加字段，此處爲默認值
Target=>“@timestamp”將匹配的timestamp字段放在指定的字段 默認是@timestamp
l Filter-syslog-plugin
Syslog對於Logstash是一個很長用的配置，並且它有很好的表現(協議格式符合RFC3164)。Syslog實際上是UNIX的一個網絡日誌 標準，由客戶端發送日誌數據到本地文件或者日誌服務器。在這個例子中，你根本不用建立syslog實例;我們通過命令行就可以實現一個syslog服務， 通過這個例子你將會看到發生什麼。
首先，讓我們創建一個簡單的配置文件來實現logstash+syslog，文件名是 logstash-syslog.conf
input {
tcp {
port => 5000
type => syslog
}
udp {
port => 5000
type => syslog
}
}
filter {
if [type] == "syslog" {
grok {
match => { "message" => "%{SYSLOGTIMESTAMP:syslog_timestamp} %{SYSLOGHOST:syslog_hostname} %{DATA:syslog_program}(?:
)?: %{GREEDYDATA:syslog_message}" }
add_field => [ "received_at", "%{@timestamp}" ]
add_field => [ "received_from", "%{host}" ]
}
syslog_pri { }
date {
match => [ "syslog_timestamp", "MMM d HH:mm:ss", "MMM dd HH:mm:ss" ]
}
}
}
output {
elasticsearch { host => localhost }
stdout { codec => rubydebug }
}
執行logstash：
bin/logstash -f logstash-syslog.conf
通常，需要一個客戶端鏈接到Logstash服務器上的5000端口然後發送日誌數據。在這個簡單的演示中我們簡單的使用telnet鏈接到 logstash服務器發送日誌數據(與之前例子中我們在命令行標準輸入狀態下發送日誌數據類似)。首先我們打開一個新的shell窗口，然後輸入下面的 命令：
telnet localhost 5000
你可以複製粘貼下面的樣例信息(當然也可以使用其他字符，不過這樣可能會被grok filter不能正確的解析)：
Dec 23 12:11:43 louis postfix/smtpd[31499]: connect from unknown[95.75.93.154]
Dec 23 14:42:56 louis named[16000]: client 199.48.164.7#64817: query (cache) 'amsterdamboothuren.com/MX/IN' denied
Dec 23 14:30:01 louis CRON[619]: (www-data) CMD (php /usr/share/cacti/site/poller.php >/dev/null 2>/var/log/cacti/poller-error.log)
Dec 22 18:28:06 louis rsyslogd: [origin software="rsyslogd" swVersion="4.2.0" x-pid="2253" x-info="http://www.rsyslog.com"] rsyslogd was HUPed, type 'lightweight'.
之後你可以在你之前運行Logstash的窗口中看到輸出結果，信息被處理和解析！
{
"message" => "Dec 23 14:30:01 louis CRON[619]: (www-data) CMD (php /usr/share/cacti/site/poller.php >/dev/null 2>/var/log/cacti/poller-error.log)",
"@timestamp" => "2013-12-23T22:30:01.000Z",
"@version" => "1",
"type" => "syslog",
"host" => "0:0:0:0:0:0:0:1:52617",
"syslog_timestamp" => "Dec 23 14:30:01",
"syslog_hostname" => "louis",
"syslog_program" => "CRON",
"syslog_pid" => "619",
"syslog_message" => "(www-data) CMD (php /usr/share/cacti/site/poller.php >/dev/null 2>/var/log/cacti/poller-error.log)",
"received_at" => "2013-12-23 22:49:22 UTC",
"received_from" => "0:0:0:0:0:0:0:1:52617",
"syslog_severity_code" => 5,
"syslog_facility_code" => 1,
"syslog_facility" => "user-level",
"syslog_severity" => "notice"
}
l Filter-mutate-plugin
替換重命名移除事件中的字段
add_field(hash) ,add_tag(array) ,remove_field(array),remove_tag(array)
convert=>{} 改變字段類型，若爲array所有將轉換
eg：convert=> { “field_name” =>”integer”}
gsub => { “fieldname”,”/”,”_” } 將fielname字段值中所有”/”替換成 “_”
“fieldname2”,”[\\?#-]”,”.” } 將fielname2字段值中所有”\?#-”替換成 “_”
Join => {} 將數組用分隔符連接合並起來
“fieldname” =>”,”
strip=>[] 去除字段首尾的空白格
Lowercase=> [“fieldname”] 將字符串轉換後才能小寫 uppercase =>[]
merge => { } 合併兩個字段，array+string 或string+string
remove => [] 移除一個或多個字段， 新版本可能不可用
remove_field => {} 如果過濾器成功，從事件移除任意字段，可%{fieldname}
remove_tag =>[]
rename 重命名一個或多個字段，hash rename=> {“HOSTIP”=>”client_ip”}
replace => { } 給字段賦新值， update=> { } 用一個新值更新字段
split=> { “fieldname”=>””},通過一個分隔字符將字段分離成一個array，僅string
注： mutate在有json插件的情況下要放在json之後，可修改json轉換後結構data中的字段
l Filter-geoip-plugin
查詢IP地址，從中得到物理地址信息並添加到日誌中，（該插件配置必須在grok配置後面）
指定包含要查詢的IP的字段的名稱（name）
Geoip{
Source=>”clientip” ->包含ip或者主機名，如果是array 只第一個可用
}
可直接分析一個ip的經緯度，歸屬地址信息
target=>”geoip”將解析得到的字段信息存放到指定字段中
database=>”pathofGeoipdatabase” logstash使用的geoip數據庫，默認的是GeoLiteCity數據庫
l Filter-KV-plugin
幫助自動解析message，包含有foo=bar形式的自動解析爲foo：bar字段
適合像postfix，iptables和其他趨向key=value語法的日誌
add-field =>{}
remove-field =>[]
add-tag =>[]
remove-tag =>[]
source=>“message”
tagret=>””
periodic-flush=flase/true
allow_duplicate_values=>“true”允許重複key/value對兒
eg：當有兩個“from”=me “from”=m設爲false 只允許唯一一個
default-keys=>{}向事件中添加健值對哈希表，以防source中不包含這些應有的字段
exclude-keys=>[]去除事件中不必要的健值對，填key
field-split=>“”字符串中的一個字符，用以劃分出可解析的key-value
eg：pin=123&d=123&e=foo則field-split=>“&”
include-keys=>[]保留事件中需要的鍵值，去除剩餘的
include-brackets=>“true”值不包含括號（有去除）
prefix=>“”在所有key前加一個字符串
trim=>“”
trimkey=>“”去除key=value中的字符 如
<>
value -split=>“=”
上述操作僅對原event中field有效對default-keys添加的字段無效。
l Filter-multiline -plugin
不是線程安全的 不可解決多流信息
mulyiline{
type=>
pattern=>“”匹配模式
negate=>“false”true=>不匹配的進行what
what=>“previous/next”
}
“^\s”空格開頭“\\$”反斜線符
source=>“message”
allow-dulplicate=>true 允許重複值在event中
pattern-dir=>array logstash自帶的匹配模式
NUMBER\d+
l Fliter-ruby-plugin
執行ruby代碼
init=>“”在logstash啓動時執行的任何代碼
code=>“”爲每個事件執行的代碼要有一個指代事件 本身的event變量可用
add-field =>{}
remove-field =>[]
add-tag =>[]
remove-tag =>[]
periodic-flush=>“false”
l Filter-json-plugin
是一個轉換過濾插件，對一個包含json字格式數據的字段，可擴展成一個數據結構
add-field =>{}
remove-field =>[]
add-tag =>[]
remove-tag =>[]
source=>“message” 指定要轉換的字段（是Json格式） 默認是message字段
tagret=>”” 指定轉換後數據的字段
6.output plugins
輸出插件統一具有一個參數是 workers。Logstash 爲輸出做了多線程的準備。
l Output-file-plugin
與input-file不同 這裏可用sprintf format格式自定義輸出到文件路徑
path=>’’/path/to/configure file/’
message_format=>”%{message}”
默認參 是按json形式輸出整個event的數據，設爲%{message}是保存按照日誌的原始格式保存（前提是filter未修改刪除message字段）
Worker=>1 output 的worker數目
gzip=>false 如果設爲true，亂碼輸出
create_if_delete=>true 輸出file如果不存在被刪除 就自動新建一個
Codec=>”json_lines”編碼格式 可設爲rubydebug
l Output-stdout-plugin
標準輸出插件，直接將處理的數據輸出到命令行，是最基礎和簡單的輸出插件
Codec=>”json_lines”編碼格式 可設爲rubydebug
單就 outputs/stdout 插件來說，其最重要和常見的用途就是調試。所以在不太有效的時候，加上命令行參數 -vv 運行，查看更多詳細調試信息。
l Output-elasticsearch-plugin
將數據輸出到elasticsearch存放，方便搜索分析處理
hosts=>[host:port]
這部分會專門發一篇博客，最近正在學習。
編碼插件(Codec)
Codec 是 logstash 從 1.3.0 版開始新引入的概念(Codec 來自 Coder/decoder 兩個單詞的首字母縮寫)。
在此之前，logstash 只支持純文本形式輸入，然後以過濾器處理它。但現在，我們可以在輸入 期處理不同類型的數據，這全是因爲有了 codec 設置。
所以，這裏需要糾正之前的一個概念。Logstash 不只是一個input | filter | output 的數據流，而是一個 input | decode | filter | encode | output 的數據流！codec 就是用來 decode、encode 事件的。
codec 的引入，使得 logstash 可以更好更方便的與其他有自定義數據格式的運維產品共存，比如 graphite、fluent、netflow、collectd，以及使用 msgpack、json、edn 等通用數據格式的其他產品等。