官方使用说明：https://doc.yonyoucloud.com/doc/logstash-best-practice-cn/index.html
Grok的过滤配置选项和通用选项
grok支持下述的过滤配置选项
| 选项 | 类型 | 是否为必须 | 描述 |
|---|---|---|---|
| break_on_match | 布尔型 | 否 | 默认值为true，只会匹配第一个符合匹配条件的值，如果需要匹配多个值，则需要设置为false |
| keep_empty_captures | 布尔型 | 否 | 默认值为false，如果为true，则保留空字段为事件字段 |
| match | 哈希型 | 否 | 意思为匹配一个字段的哈希值，单一字段可设置匹配多个匹配模式 |
| named_captures_only | 布尔型 | 否 | 默认值为true，意味着只保存从grok中获取的名称 |
| overwrite | 数组 | 否 | 此选项用于复写字段中的值 |
| pattern_definitions | 哈希型 | 否 | 定义被当前过滤器所使用的自动模式的名称和元组名称，如果命名的名称已存在，则会覆盖此前配置 |
| patterns_dir | 数组 | 否 | 指定用于保存定义好的匹配模式的文件目录 |
| patterns_files_glob | 字符串 | 否 | 用于在patterns_dir指定的目录中过滤匹配的文件 |
| tag_on_failure | 数组 | 否 | 默认值为_grokparsefailure，当匹配不成功时追加指定值到tags字段 |
| tag_on_timeout | 字符串 | 否 | 默认值为_groktimeout，当grok正则表达式匹配超时追加的tag |
| timeout_millis | 数值 | 否 | 默认值为30000毫秒，当正则匹配运行超过指定的时间后，尝试终结此匹配操作。设置为0将关闭超时 |
grok的通用选项：下述选项是被所有过滤插件都支持的通用选项
| 选项 | 类型 | 是否为必须 | 描述 |
|---|---|---|---|
| add_field | 哈希型 | 否 | 如果此过滤选项匹配成功，则会向匹配的事件中添加指定的字段，字段名和内容可以调用相关的变量进行定义命名 |
| add_tag | 数组 | 否 | 用于当过滤成功时，向匹配的事件中添加tag |
| enable_metric | 布尔型 | 否 | 默认值为true，默认情况下，启用或禁用此功能，能记录特定插件的相关度量值。 |
| id | 字符串 | 否 | 添加一个唯一ID到指定的插件配置中，当有多个同一类型的插件时，可更好地去区别监控logstash |
| periodic_flush | 布尔型 | 否 | 默认值为false，可选项，用于在规定的间隔时间调用过滤器的刷新功能 |
| remove_field | 数组 | 否 | 当此插件匹配成功时，从事件中移除指定的字段 |
| remove_tag | 数组 | 否 | 当此插件匹配成功时，从事件中移除指定的tags |
grok作为一个logstash的过滤插件，支持根据模式解析文本日志行，拆成字段。
- nginx日志的配置：
log_format main '$remote_addr - $remote_user [$time_local] "$request" $status $body_bytes_sent "$http_referer" "$http_user_agent" "$http_x_forwarded_for"';
- logstash中grok的正则（添加在/usr/local/logstash-6.2.4/vendor/bundle/jruby/2.3.0/gems/logstash-patterns-core-4.1.2/patterns/grok-patterns文件中）为：
WZ ([^ ]*)
NGINXACCESS %{IP:remote_ip} \- \- \[%{HTTPDATE:timestamp}\] "%{WORD:method} %{WZ:request} HTTP/%{NUMBER:httpversion}" %{NUMBER:status} %{NUMBER:bytes} %{QS:referer} %{QS:agent} %{NUMBER:elapsed} %{NUMBER:serverelapsed} %{QS:xforward}
推荐一个正则表达式在线自动生成器 http://www.txt2re.com http://txt2re.com ，用于自定义匹配时的变量引用
logstash的配置为：
input{
file{
path => "/usr/local/nginx/logs/access.log"
type => "nginx"
start_position => "beginning"
}
}
filter {
grok {
match => { "message" => "%{NGINXACCESS}" }
}
}
output{
if [type] == "nginx" {
elasticsearch {
hosts=> ["172.17.102.202:9200"]
index=> "nginx"
}
}
}
多个Input时，采用条件判断：
input{
file{
path => "/usr/local/nginx/logs/hottopic-access.log"
type => "hottopic"
start_position => "beginning"
}
file{
path => "/usr/local/nginx/logs/foodie-access.log"
type => "foodie"
start_position => "beginning"
}
file{
path => "/usr/local/nginx/logs/ac-access.log"
type => "ac"
start_position => "beginning"
}
}
filter {
grok {
match => { "message" => "%{MYNGINX}" }
}
mutate {
convert => [ "elapsed", "float" ]
convert => [ "serverelapsed", "float" ]
}
}
output{
if [type] == "hottopic" {
elasticsearch {
hosts=> ["172.17.213.60:9200"]
index=> "nginx-hottopic-api"
}
}
if [type] == "foodie" {
elasticsearch {
hosts=> ["172.17.213.60:9200"]
index=> "nginx-foodie-api"
}
}
if [type] == "ac" {
elasticsearch {
hosts=> ["172.17.213.60:9200"]
index=> "nginx-ac-api"
}
}
}
添加和移除指定的字段，在grok{ }范围处进行配置
input {
beats {
port =>
type => "nginx"
}
}
filter {
if [type] == "nginx" {
grok {
match => { "message" => ["(?<RemoteIP>(\d*.\d*.\d*.\d*)) - %{DATA:[nginx][access][user_name]} \[%{HTTPDATE:[nginx][access][time]}\] \"%{WORD:[nginx][access][method]} %{DATA:[nginx][access][url]} HTTP/%{NUMBER:[nginx][access][http_version]}\" %{NUMBER:[nginx][access][response_code]} %{NUMBER:[nginx][access][body_sent][bytes]} \"%{DATA:[nginx][access][referrer]}\" \"%{DATA:[nginx][access][agent]}\""] }
add_field => {
"Device" => "Charles Desktop"
}
remove_field => [ "message","beta.version","beta.name" ]
}
}
}
output {
if [type] == "nginx" {
elasticsearch {
hosts => "10.10.10.6:9200"
index => "logstash-testlog"
} }
}
排除字段
字段的排除需要在filter中进行操作，使用一个叫做 mutate 的工具，具体操作如下
//比如我们可能需要避免日志中kafka的一些字段占用宝贵的磁盘空间。
filter {
mutate {
remove_field => ["kafka"]
}
}
排除整条相关数据
比如apache日志中状态为200 的监控服务器不关心的，这里用到drop工具
filter {
if [status] == "" { //不知道这边的多个判断的语法要如何写
drop{}
}
}