概述

如前一篇 《SLS 数据加工全面升级，集成 SPL 语法》所述，SLS 数据加工集成了 SLS 数据处理语法 SPL。与旧版本数据加工 DSL 相比，SPL 在处理非结构化数据的场景中，其语法简洁度上有很多提升，比如中间类型保持、字段引用、无缝兼容 SQL 函数等。

这里我们继续讨论在不同的数据处理需求中，新版数据加工 SPL 与旧版数据加工 DSL 的使用对照。对于数据同步的场景，即不需要做任何数据处理，新版 SPL 与旧版 DSL 均传入空逻辑即可，以下不再赘述。

场景一：数据过滤与清洗

在日常运维中，错误日志分析是发现、定位问题的关键步骤。这里我们就以服务日志为例，介绍如何应用数据加工完成数据清洗。

旧版数据加工中，使用 e_keep/e_drop 完成数据清洗，对应的新版数据加工 SPL 中则使用 where 指令。

精确匹配

需要筛选出错误日志，即级别 level 字段值为字符串 ERROR。

新版 SPL

直接引用字段 level
| where level='ERROR'

旧版 DSL

需使用函数引用字段v("level")，不同的实现方式：

❖
e_keep(v("level") == "ERROR")

❖

e_drop(v("level") != "ERROR")

❖

e_if(v("level") != "ERROR", e_drop())

❖

e_keep(e_search("level==ERROR"))

模糊匹配

由于不同服务模块的编码标准差异，如果 level 字段的值并非固定，可能是 ERROR、ERR 或者 E 等。这个场景下就需要进行字符串模糊匹配。

新版 SPL

复用 SQL 的 like 表达式
| where level like '%E%'

旧版 DSL

不同的实现方式：
❖

e_keep(op_in(v("level"), "E"))

❖

e_keep(e_search("level: E")

❖

e_if(op_not_in(v("level"), "E"), e_drop())

数值范围

除了文本日志的筛选，我们还需要数值范围的比对。比如访问日志中，我们需要筛选出用户使用错误，以便分析哪些操作可能存在设计不合理，即筛选出状态码字段 status 值在 4xx 范围的数据。

新版 SPL

保持 status 字段中间类型，无需多次转换
| extend cast(status as bigint) as status

| where status>=400 and status<500

旧版 DSL

e_keep(ct_int(v("status"))>=400 and ct_int(v("status"))<500)

存在性检查

另一个运维场景中，如果服务运行错误则会写出 error 字段，否则 error 字段不存在。我们需要筛选出包含 error 的数据条目。

新版 SPL

使用 SQL 的 null 表达式判断字段存在性
| where error is not null

旧版 DSL

使用 e_has 函数判断字段存在性

e_keep(e_has("error"))

场景二：字段管理

新字段构造

SPL 使用 extend 指令完成字段赋值操作，相当于数据加工 DSL 中的 e_set。

新版 SPL

1.
设置固定值，并保留值类型，可直接使用

| extend kb=1024

| extend size=size/1024

2.

正则提取单个信息

| extend version=regexp_extract(data, '"version":\d+')

3.

JSON 提取，并赋值给字段，SPL 中 JSON 对象路径引用 JsonPath[1]

| extend version=json_extract(data, '$.version')

旧版 DSL

1.
设置固定值，类型变为 str，使用时再次转换

e_set("kb", 1024)

e_set("size", ct_int(v("size")) / ct_int(v("kb")))

2.

正则提取，并赋值给字段

e_set("version", regex_select(v("data"), r'"version":\d+'))

3.

JSON 提取，并赋值给字段，JSON 查询语言 JMES 语法[2]

e_set("version", json_select(v("data"), "version"))

筛选、排除、重命名

SPL 提供原地处理指定字段的能力，即不需要给定完整的数据 Schema(包括字段列表、及其类型)，可以直接操作给定字段，且不影响其他不相关的字段。

新版 SPL

1.精确选择字段

| project node="__tag__:node", path

2.

按模式选择字段，开启 wildcard 开关

| project -wildcard "__tag__:*"

3.

原地重命名部分字段

| project-rename node="__tag__:node"

4.

按模式排除字段，开启 wildcard 开关

| project-away -wildcard "__tag__:*"

旧版 DSL

1.
精确选择字段

e_keep_fields("__tag__:node", "path", regex=False)

2.

按模式选择字段

e_keep_fields("__tag__:.*", regex=True)

3.

原地重命名部分字段

e_rename("__tag__:node", node)

4.

按模式排除字段

e_drop_fields("__tag__:.*", regex=True)

条件表达式

条件表达式对于处理混杂在一起的不同类型的数据是关键需求。SPL 通过 SQL 表达式完成条件判断。

新版 SPL

1.

SQL 表达式：IF 判断条件返回不同表达式的值

| extend valid=IF(type is not null, 'true', 'false')

2.

SQL 表达式：COALESCE 取第一个值不为空的表达式的值，或添加默认值

| extend size=COALESCE(input, output, 0)

3.

SQL 表达式：CASE-WHEN 通过条件判断，对数据进行归类、或选择

| extend size=CASE WHEN dir='I' THEN input WHEN dir='O' THEN output ELSE 0 END

旧版 DSL

1.
op_if 判断条件返回不同表达式的值

e_set("valid", op_if(e_has("type"), "true", "false"))

2.

op_coalesce 取第一个值不为空的表达式的值，或添加默认值

e_set("size", op_coalesce(v("input"), v("output"), "0"))

3.

e_if_else 控制流程，构造字段

e_if_else(

e_has("type"),

e_set("valid", "true"),

e_set("valid", "false"),)

场景三：时间信息解析与格式化

在 SPL 执行过程中，SLS 日志时间字段类型始终保持为数值类型 INTEGER 或者 BIGINT。SLS 日志字段包括数据时间时间戳字段 __time__ 和数据时间纳秒部分字段 __time_ns_part__。需要更新数据时间时，须使用 extend 指令操作。

新版 SPL

1.提取日志时间字段 __time__

| extend time=date_parse(time, '%Y/%m/%d %H-%i-%S')

| extend __time__=cast(to_unixtime(time) as bigint)

2.时间格式规范化

| extend time=date_parse(time, '%Y/%m/%d %H-%i-%S')

| extend time=date_format(time, '%Y-%m-%d %H:%i:%S')

旧版 DSL

1.

提取日志时间字段 __time__

e_set(

"__time__",

dt_parsetimestamp(

v("time"),

fmt="%Y/%m/%d %H-%M-%S",

),

)

2.

时间格式规范化

e_set(

"time",

dt_strftime(

dt_parse(

v("time"),

fmt="%Y/%m/%d %H-%M-%S",

),

fmt="%Y-%m-%d %H:%M:%S",

),

)

场景四：非结构或半结构化数据提取

在机器数据处理场景中，从非结构化或半结构化数据中提取关键信息，是一个繁琐的过程。因为数据没有固定的模式，需考虑太多处理细节，但处理的效率要求又极高。SPL 提供指令实现不同的数据提取，比如正则、JSON、CSV 等。

正则文本提取

新版 SPL

parse-regexp 指令
| parse-regexp data, '(\S+)\s+(\w+)' as time, level

旧版 DSL

e_regex 函数
e_regex("data", r"(\S+)\s+(\w+)", ["time", "level"])

JSON 结构数据提取

新版 SPL

parse-json 指令，JSON 对象路径引用 JsonPath
| parse-json -path='$.x.y.z' data

旧版 DSL

e_json 函数，JSON 查询语言 JMES 语法
e_json("data", depth=1, jmes="x.y.z")

CSV 格式数据提取

新版 SPL

❖
单字符分隔符 CSV RFC 4180[3]，支持指定分隔符、引用符

| parse-csv -delim='\0' -quote='"' data as time, addr, user

❖

多字符分隔符

| parse-csv -delim='^_^' data AS time, addr, user

旧版 DSL

e_csv 函数
e_csv("data", ["time", "addr", "user"], sep="\0", quote='"')

相关链接：

[1] JsonPath

 https://github.com/json-path/JsonPath

[2] JMES 语法

 https://help.aliyun.com/zh/sls/user-guide/jmespath-syntax

[3] CSV RFC 4180

 https://www.loc.gov/preservation/digital/formats/fdd/fdd000323.shtml