ELFK日志分析系统并使用Filter对日志数据进行处理

---

一、 Filebeat+ELK 部署

Node1节点（2C/4G）：node1/192.168.154.10 Elasticsearch
Node2节点（2C/4G）：node2/192.168.154.11 Elasticsearch
Apache节点：apache/192.168.154.12 Logstash Kibana Apache
Filebeat节点：filebeat/192.168.154.13 Filebeat

先在Filebeat节点添加网页文件

浏览器访问http://192.168.154.13/test.html获取日志

Filebeat 节点上操作

1．安装 Filebeat

#上传软件包 filebeat-6.7.2-linux-x86_64.tar.gz 到/opt目录
tar zxvf filebeat-6.7.2-linux-x86_64.tar.gz
mv filebeat-6.7.2-linux-x86_64/ /usr/local/filebeat

2．设置 filebeat 的主配置文件

cd /usr/local/filebeat

vim filebeat.yml
filebeat.inputs:
- type: log         #指定 log 类型，从日志文件中读取消息
  enabled: true
  paths:
    - /var/log/httpd/access_log       #指定监控的日志文件

tags: ["filebeat"]		#设置索引标签
  
fields:                      #可以使用 fields 配置选项设置一些参数字段添加到 output 中
      service_name: httpd
      log_type: access
      from: 192.168.154.13   #要收集日志的来源

--------------Elasticsearch output-------------------
(全部注释掉)
----------------Logstash output---------------------
output.logstash:
  hosts: ["192.168.154.12:5044"]      #指定 logstash 的 IP 和端口

#启动 filebeat
nohup ./filebeat -e -c filebeat.yml > filebeat.out &
#-e：输出到标准输出，禁用syslog/文件输出
#-c：指定配置文件
#nohup：在系统后台不挂断地运行命令，退出终端不会影响程序的运行

4．在 Logstash 组件所在节点上新建一个 Logstash 配置文件

cd /etc/logstash/conf.d

vim filebeat.conf
input {
    beats {
        port => "5044"
    }
}

filebeat发送给logstash的日志内容会放到message字段里面，logstash使用grok插件正则匹配message字段内容进行字段分割

Kibana自带grok的正则匹配的工具：http://:5601/app/kibana#/dev_tools/grokdebugger
#%{IPV6}|%{IPV4} 为 logstash 自带的 IP 常量

filter {
  grok {
    match => ["message", "(?<remote_addr>%{IPV6}|%{IPV4})[\s\-]+\[(?<logTime>.*)\]\s+\"(?<method>\S+)\s+(?<url_path>.+)\"\s+(?<rev_code>\d+) \d+ \"(?<req_addr>.+)\" \"(?<content>.*)\""]
  }
}

output {
    elasticsearch {
        hosts => ["192.168.154.10:9200","192.168.154.11:9200"]
        index => "%{[fields][service_name]}-%{+YYYY.MM.dd}"
    }
    stdout {
        codec => rubydebug
    }
}

#启动 logstash
logstash -f filebeat.conf

5．浏览器访问 http://192.168.154.10:5601 登录 Kibana，单击“Create Index Pattern”按钮添加索引“httpd-*”，单击 “create” 按钮创建，单击 “Discover” 按钮可查看图表信息及日志信息。

二、Filter

表示数据处理层，包括对数据进行格式化处理、数据类型转换、数据过滤等，支持正则表达式

• grok 对若干个大文本字段进行再分割成一些小字段 (?<字段名>正则表达式) 字段名: 正则表达式匹配到的内容
• date 对数据中的时间格式进行统一和格式化
• mutate 对一些无用的字段进行剔除，或增加字段
• mutiline 对多行数据进行统一编排，多行合并或拆分

grok 正则捕获插件

grok 使用文本片段切分的方式来切分日志事件

内置正则表达式调用

%{SYNTAX:SEMANTIC}

SYNTAX代表匹配值的类型，例如，0.11可以NUMBER类型所匹配，10.222.22.25可以使用IP匹配

SEMANTIC表示存储该值的一个变量声明，它会存储在elasticsearch当中方便kibana做字段搜索和统计，你可以将一个IP定义为客户端IP地址client_ip_adress,
如%{IP:client_ip_address},所匹配到的值就会存储到client_ip_address这个字段里边，类似数据库的列名，也可以把event log
中的数字当成数字类型存储在一个指定的变量当中，比如响应时间http_response_time,假设event log record 如下：

messages: 192.168.154.10 GET /index.html 15824 0.043

可以使用如下grok pattern来匹配这种记录

%{IP:client_id_address} %{WORD:method} %{URIPATHPARAM:request} %{NUMBER:bytes} %{NUMBER:http_response_time}

自定义表达式调用

语法： (?<field_name>pattern)
举例：捕获10或11和长度的十六进制数的queue_id可以使用表达式(?<queue_id>[0-9A-F]{10,11})

messages: 192.168.154.10 GET /index.html 15824 0.043

(?<remote_addr>\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}) (?<http_method>[A-Z]+) (?<request_uri>/.*) (?<response_bytes>[0-9]+) (?<response_time>[[0-9]\.]+)

对日志来进行字段分割

使用Dev Tools调试

192.168.154.1 - - [28/May/2023:23:25:37 +0800] "GET /favicon.ico HTTP/1.1" 404 209 "http://192.168.154.13/test.html" "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/113.0.0.0 Safari/537.36"

(?<remote_addr>%{IP})[\s\-]+\[(?<log_time>.+)\]\s\"(?<method>[A-Z]+)\s(?<request_url>/.*)\s(?<http_ver>.+)\"\s(?<rev_code>\d{3})\s\d+\s\".*\"\s\"(?<user_agent>.+)\"

cd /etc/logstash/conf.d

vim filebeat.conf
input {
    beats {
        port => "5044"
    }
}
filter {
  grok {
    match => ["message", "(?<remote_addr>%{IP})[\s\-]+\[(?<log_time>.+)\]\s\"(?<method>[A-Z]+)\s(?<request_url>/.*)\s(?<http_ver>.+)\"\s(?<rev_code>\d{3})\s\d+\s\".*\"\s\"(?<user_agent>.+)\""]
  }
}

output {
    elasticsearch {
        hosts => ["192.168.154.10:9200","192.168.154.11:9200"]
        index => "%{[fields][service_name]}-%{+YYYY.MM.dd}"
    }
    stdout {
        codec => rubydebug
    }
}


logstash -f filebeat.conf

mutate 数据修改插件

它提供了丰富的基础类型数据处理能力。可以重命名，删除，替换和修改事件中的字段。

Mutate 过滤器常用的配置选项

示例：将字段old_field重命名为new_field

filter {
   mutate {
      #写法1，使用中括号括起来
      rename => ["old_field" => "new_field"]
   
      #写法2，使用大括号括起来
      rename => { "old_field" => "new_field" }
   }
}

添加字段

filter {
    mutate {
	     add_field => {
		     "f1" => "field1"
			 "f2" => "field2"
		 }
	}
}

将字段删除

filter {
    mutate {
	   remove_field => ["messages","@version","tags"]
	}
}

将fileName1字段数据类型转换成string类型，filedName2字段数据类型转换成float类型

filter {
   mutate {
      #写法1，使用中括号括起来
	  convert => ["filedName1","string"]
	  
	  #写法2，使用大括号括起来
	  convert => { "filedName2","float" }
   }
}

将filedName字段中所有 “/” 字符替换为"_"

filter {
    mutate {
	    gsub => ["filedName","/","_"]
	}
}

multiline 多行合并插件

java错误日志一般都是一条日志很多行的，会把堆栈信息打印出来，当经过 logstash 解析后，每一行都会当做一条记录放到 ES,那这种情况肯定是需要处理的。这里就需要使用 multiline 插件，对属于同一条日志的记录进行拼接。

安装 multiline 插件

在线安装插件
cd /usr/share/logstash
bin/logstash-plugin install logstash-filter-multiline

离线安装插件
先在有网的机器上在线安装插件，然后打包，拷贝到服务器，执行安装命令
bin/logstash-plugin preepare-offline-pack --overwrite --output logstash-filter-multiline.zip logstash-filter-multiline

bin/logstash-plugin install file:///usr/share/logstash/logstash-filter-multiline.zip

检查下插件是否安装成功，可以执行一下命令查看插件列表
bin/logstash-plugin list

使用 multiline 插件
第一步：每一条日志的第一行开头都是一个时间，可以用时间的正则表达式匹配到第一行
第二步：然后将后面每一行的日志与第一行合并。
第三步：当遇到某一行的开头是可以匹配正则表达式的时间的，就停止第一条日志的合并，开始合并第二条日志。
第四步：重复第二步和第三步。

filter {
   multiline {
    pattern => "^\d{4}-\d{1,2}-\d{1,2}\s\d{1,2}:\d{1,2}:\d{1,2}.\d{3}"     
    negate => true
    what => "previous"
   }
}

• pattern:用来匹配文本的表达式，也可以是grok表达式
• what:如果pattern匹配成功的话，那么匹配行是归属于上一个事件，还是归属于下一个事件。previous:归属于上一个事件，向上合并。
• negate:是否对pattern的结果取反。false:不取反，是默认值。true：取反。将多行事件扫描过程中的行匹配逻辑取反（如果pattern匹配失败，则认为当前行是多行事件的组成部分）

date 时间处理插件

用于分析字段中的日期，然后使用该日期或时间戳作为事件的logstash时间戳。

在Logstash产生了一个Event对象的时候，会给该Event设置一个时间，字段为"@timestamp",同时，我们的日志内容一般也会有时间，但是这两个时间是不一样的，因为日志内容的时间是该日志打印出来的时间，而"@timestamp"字段的时间是input插件接收到了一条数据并创建Event的时间，所有一般来说的话"@timestamp"的时间要比日志内容的时间晚一点，因为Logstash监控数据变化，数据输入，创建Event导致的时间延迟。这两个时间都可以使用，具体要根据自己的需求来定。

filter {
    date {
	    match => ["access_time","dd/MMM/YYYY:HH:mm:ss Z","UNIX","yyyy-MM-dd HH:mm:ss","dd-MMM-yyyy HH:mm:ss"]
		target => "@timestamp"
		timezone => "Asia/Shanghai"
	}
}

• match:用于配置具体的匹配内容规则，前半部分内容表示匹配实际日志当中的时间戳的名称，后半部分则用于匹配实际日志当中的时间戳格式，这个地方是整条配置的核心内容，如果此处规则匹配是无效的，则生成后的日志时问戳将会被input插件读取的时间替代。如果时间格式匹配失败，会生成一个tags字段，字段值为 _dateparsefailure，需要重新检查上边的match配置解析是否正确。
• target: 将匹配的时间戳存储到给定的目标字段中。如果未提供，则默认更新事件的@timestamp字段。
• timezone: 当需要配置的date里面没有时区信息，而且不是UTC时间，需要设置timezone参数。