logstash 原理（含部署）

1、ES原理

原理使⽤filebeat来上传⽇志数据，logstash进⾏⽇志收集与处理，elasticsearch作为⽇志存储与搜索引擎，最后使⽤kibana展现⽇志的可视化输出。所以不难发现，⽇志解析主要还是logstash做的事情

从上图中可以看到，logstash主要包含三⼤模块：

1、INPUTS: 收集所有数据源的⽇志数据（[源有file、redis、beats等，filebeat就是使⽤了beats源*）；

2、FILTERS: 负责数据处理与转换、解析、整理⽇志数据（常⽤：grok、mutate、drop、clone、geoip）

3、OUTPUTS: 将解析的⽇志数据输出⾄存储器（[elasticseach、file、syslog等）；

通过配置Logstash的管道（pipeline），你可以定义数据的收集、处理和输出过程。每个管道由输入插件、过滤器插件和输出插件组成，它们一起协作来实现特定的数据流转

filters常用的过滤器插件如下：

grok 过滤器：场景：解析包含时间戳、日志级别和消息的日志行。

 rubyCopy codegrok {
   match => {"message" => "\[%{TIMESTAMP_ISO8601:time}\] \[%{WORD:level}\] %{GREEDYDATA:msg}"}
 }

mutate 过滤器：场景：清理字段，将 IP 地址字段重命名为 "client_ip"。
```
 rubyCopy codemutate {
   rename => { "ip" => "client_ip" }
 }
```

date 过滤器：场景：将时间戳字段转换为可操作的日期类型。

 rubyCopy codedate {
   match => ["timestamp", "yyyy-MM-dd HH:mm:ss"]
   target => "log_date"
 }

json 过滤器：场景：解析包含嵌套 JSON 数据的日志消息。

 rubyCopy codejson {
   source => "message"
   target => "parsed_json"
 }

kv 过滤器：场景：解析 HTTP 查询字符串中的参数。

 rubyCopy codekv {
   field_split => "&"
   value_split => "="
   source => "query_string"
 }

xml 过滤器：场景：解析包含 XML 数据的日志消息。

 rubyCopy codexml {
   source => "message"
   store_xml => false
   xpath => [
     "//user/name/text()", "username",
     "//user/age/text()", "user_age"
   ]
 }

translate 过滤器：场景：将日志中的状态码映射为更可读的状态描述。

 rubyCopy codetranslate {
   field => "status_code"
   dictionary => [
     "200", "OK",
     "404", "Not Found",
     "500", "Internal Server Error"
   ]
 }

useragent 过滤器：场景：解析用户代理字符串，提取浏览器和操作系统信息。
```
 rubyCopy codeuseragent {
   source => "user_agent"
   target => "user_agent_info"
 }
```

geoip 过滤器：场景：将 IP 地址解析为地理位置信息。

 rubyCopy codegeoip {
   source => "client_ip"
   target => "geoip"
 }

multiline 过滤器：场景：合并多行堆栈跟踪日志成单个事件。

 rubyCopy codemultiline {
   pattern => "^\s"
   negate => true
   what => "previous"
 }

2.Logstash性能优化主要体现在以下几个方面:

1.多pipeline配置

多pipeline配置。可以将不同的输入分割到不同的pipeline,每个pipeline有独立的过滤器和输出,这可以提高处理效率。pipeline之间的数据交互可以通过队列实现。

 ruby
 # 管道1:接收日志输入
 input { stdin { } }  
 
 filter { grok { } }
 output { stdout { } }
 
 # 管道2:从Kafka读取数据
 input { kafka { } }
 
 filter { json { } } 
 output { elasticsearch { } }

2.Grok过滤器配置

 ruby
 filter {
   grok {
     match => { "message" => "%{COMBINEDAPACHELOG}" }
     add_field => { "timestamp" => "%{DATE:timestamp}" }
   }
 }

3.Elasticsearch输出配置

 ruby  
 output {
   elasticsearch { 
     hosts => ["http://localhost:9200"]
     index => "logstash-%{+YYYY.MM.dd}"
   }
 }

4.Redis队列配置

 ruby
 output {
   redis { 
     host => "127.0.0.1"
     port => 6379
     db   => 0
     key  => "logstash" 
   }
 }

5.batching编辑模式配置

 ruby
 input {
   file {
     path => "/var/log/messages"
     start_position => "beginning" 
     sincedb_path => "/dev/null"
     codec => "json"
     mode => "batch"    # 配置batching模式
     batch_size => 1000 # 每1000条记录批量读取
   }
 }

6.调整JVM内存配置在 jvm.options文件中配置,例如:

 -Xms2g
 -Xmx2g

7.并行处理配置在 logstash.yml中配置:

yml
pipeline.workers: 2 #配置工作线程数为2
pipeline.output.workers: 2 #输出线程也配置为2

logstash 配置文件

logstash 配置文件配置

vim logstash.conf

input {
kafka {
bootstrap_servers => ["192.168.190.159:9092"]
topics_pattern => ["hwb\.test|ywyth-sc|zj_test"]
consumer_threads => 5
codec => json
auto_offset_reset => latest
group_id => "hwb"
}
}

filter {
ruby {
code => "event.timestamp.time.localtime"
}
mutate {
remove_field => ["beat"]
}
mutate {
split => ["message"," "]
add_field => { "level" => "%{[message][3]}" }
}
mutate {
add_field => {
"index_name" => "hwb.test,%{[ywyth-sc]}"
}
}
grok {
match => {"message" => "\[(?<time>\d+-\d+-\d+\s\d+:\d+:\d+)\] \[(?<level>\w+)\] (?<thread>[\w|-]+) (?<class>[\w|\.]+) (?<lineNum>\d+):(?<msg>.+)"
}
}
}

output {
elasticsearch {
hosts => ["192.168.190.161:9200"]
index => "%{[fields][log_topic]}"
codec => "json"
}
}