ELK生态：Logstash增量读取txt文件数据，导入到Elasticsearch

简介

1. ELK生态之Logstash导入数据到Elasticsearch；
2. 数据源：txt格式文件，内容为json或json数组；
3. Elasticsearch和Logstash版本：5.6.1；
4. 前提环境：Elasticsearch单机或集群；Logstash客户端；

实践

• txt文件内容：

[{"name":"sixmonth","sex":"男"},{"name":"xiaoming","sex":"男"}]
[{"name":"xiaoxie","sex":"男"},{"name":"xiaodou","sex":"男"}]

 

• logstash.conf配置：

#1.读取数据txt文件，数据输入阶段
input {
    file{
        #设置txt文件路径，多个文件路径可设置成数组[]，模糊匹配用*
        #指定单一文件
        #path => "/data/es/logstash-5.6.1/files/test.txt"
        #指定数组文件
        #path => ["/data/es/logstash-5.6.1/files/test-1.txt","/data/es/logstash-5.6.1/files/test-2.txt"]
        #指定同级目录模糊匹配
        #path => "/data/es/logstash-5.6.1/files/test*.txt"
        #指定多级目录模糊匹配
        path => "/data/es/logstash-5.6.1/files/**/test*.txt"
        
        #设置logstash开始读取文件内容位置，begining为从头开始，end为只读取最新数据
        start_position => beginning
        
        #设置编码
        codec => json {charset => "UTF-8"}
        
        #设置输入输出标识
        type => "txt_index"
    }
 }  
  
#2.过滤格式化数据阶段
filter {
   
    mutate{
        #删除无效的字段
        remove_field => ["@version","message","host","path"]
    }
    
    #新增timestamp字段，将@timestamp时间增加8小时
    ruby { code => "event.set('timestamp', event.get('@timestamp').time.localtime + 8*60*60)" }
    
}

#3.数据输出到ES阶段
output {

    #日志输出格式，json_lines;rubydebug等
    stdout {
        codec => rubydebug
    }
    
    #输出到es
    if[type] == "txt_index"{
    
        #无法解析的json不记录到elasticsearch中
        if "_jsonparsefailure" not in [tags] {
            elasticsearch {
                #es地址ip端口
                hosts => "127.0.0.1:9200"
                #索引
                index => "txt_index"
                #类型
                document_type => "txt_index"
                #覆盖模板，不需要可注释掉，通用模板下载：https://download.csdn.net/download/alan_liuyue/11241484
                template_overwrite=>true
                template=>"/data/es/logstash-5.6.1/template/logstash.json"            
                
            }
        }
    }
    
}

 

•  补充file-input字段说明：

codec => #可选项，默认是plain，可设置其他编码方式;

discover_interval => #可选项，logstash多久检查一下path下有新文件，默认15s;

exclude => #可选项，排除path下不想监听的文件;

sincedb_path => #可选项，记录文件以及文件读取信息位置的数据文件;

sincedb_write_interval => #可选项，logstash多久写一次sincedb文件，默认15s;

stat_interval => #可选项，logstash多久检查一次被监听文件的变化，默认1s;

start_position => #可选项，表示从哪个位置读取文件数据，初次导入为：beginning，最新数据为：end

path => #必选项，配置文件路径，可定义多个，也可模糊匹配;

tags => #可选项，在数据处理过程中，由具体的插件来添加或者删除的标记;

type => #可选项，当有多个file的时候，可用于一对一匹配输入或者输出;

 

注意事项

1. logstash启动之后，进程会一直处于运行状态，若txt文件被修改，程序会自动监听，导入新数据；
2. 若需要重新导入数据，则需要删除logstash安装目录下 \plugins\inputs\file 下的文件(该文件属于隐藏文件)，所以直接删除该目录即可，之后目录会重新生成；

 

总结

1. Logstash读取csv文件内容导入Elasticsearch，在数据源采集方面特别普遍，采集配置方式也特别简洁，程序猿有兴趣可继续深入挖掘；
2. 实践是检验认识真理性的唯一标准，自己动手丰衣足食~