Logstash對nginx的access/error.log日志清洗并資料可視化監控設計

Nginx有兩套日志，一套access.log一套error.log，access.log使用者可以自定義，兩套日志處理好，業務的品質就了然于心了，另外，日志關鍵名額可視化分析我認為是運維中最重要的事情了，沒有之一。

對于後期的可視化監控，核心觀點兩個字“收斂”，工具用grafana，把最有用的關鍵名額放到dashboard上，我線上設計的一個版面如下，由于日志量大，200 ok的日志基本不看，是以結合filebeat隻收集了一套異常日志，異常日志定義為狀态碼非200或者響應時間大于0.5秒，裡面要考慮幾個點：

1、要用日志時間建es索引，便于分析排障；

2、資料字段要轉化為資料類型，便于計算；

3、Dashbord考慮品質、性能、錯誤3個次元内容；

4、為了友善聚合分析，url要把問号前的接口拆出來，比如/v1/feedback/check_regid_valid?regId=DmuZXBoN4nRulcjmZczGw1fZLya151h7%2BtY0%2FgoM6qwllq%2BR723oL8fK9Wahdxee&packageName=com.tencent.news&appId=2882303761517336368，拆成/v1/feedback/check_regid_valid，後面一堆參數可處理可不處理，後面會寫一下如果處理可以繼續拆一下k/v；

5、grafana要動态可選業務類型、機房、機器、響應時間等資訊，便于鑽取分析。

對于access.log

原始日志如下（我用上撇做的分隔）

#access.log
10.132.10.29`api.xmpush.xiaomi.com`103.107.217.171`-`14/May/2019:00:00:01 +0800`/v1/feedback/check_regid_valid?regId=46quGCb9wT89VV2XzUW89bORMmralBlKriPnZbeAmIzF2nABHj
LJKCI8%2FF0InyHR&packageName=com.smile.gifmaker&appId=2880376151713534`325`332`0.009`200`10.132.50.2:9085`-`0.009`GET`okhttp/3.12.1`200`lT666Qlxdq6G6iUqt/G3FrQ==      

logstash清洗規則如下

filter {
  
     ruby {
        init => "@kname = ['server_addr','domain','remote_addr','http_x_forwarded_for','time_local','request_uri','request_length','bytes_sent','request_time','status','upstream_addr','upstream_cache_status','upstream_response_time','request_method','http_user_agent','upstream_status','key']"
        code => "event.append(Hash[@kname.zip(event['message'].split('`'))])"
   }
   #将api接口拆開
   if [request_uri] {
         grok {
           match => ["request_uri","%{DATA:api}(\?%{DATA:args})?$"]
        }
   }
   #用日志時間建立索引，把無用字段去掉
   date {
          match => ["time_local", "dd/MMM/yyyy:HH:mm:ss Z"]
          target => "@timestamp"
          remove_field => ["time_local","message","path","offset","prospector","[fields][ttopic]","[beat][version]","[beat][name]"]
      }
   #把類型從字元型轉為數字型
   mutate {
        convert => [
             "request_length" , "integer",
             "status" , "integer",
             "upstream_response_time" , "float",
             "request_time" , "float",
             "bytes_sent" , "integer" ]
    }
}
 
output {
    #再次判斷一下隻收集處理異常日志
    if [status] != 200 or [request_time] > 1  {  
       elasticsearch {
                hosts  => ["1.1.1.1:9220","2.2.2.2:9220","3.3.3.3:9220"]
                #workers => 4
                index => "logstash-im-push-mt-nginx-access-%{+YYYY.MM.dd.hh}"
            }
      }  
    #某幾台機器收集全量日志，用于抽樣整體情況了解
    else if [beat][hostname] == 'c4-hostname01.bj' or [beat][hostname] == 'c4-hostname02.bj' {
       elasticsearch {
                hosts  => ["1.1.1.1:9220","2.2.2.2:9220","3.3.3.3:9220"]
                #workers => 4
                index => "logstash-im-push-mt-nginx-access-%{+YYYY.MM.dd.hh}"
            }
      }
  
    
  #stdout { codec => rubydebug }
}      

清洗後的一個截圖如下，滿足需求

對于error.log

原始日志如下

#error.log  有很多種，這裡隻寫一條，後面正則會做全部比對
2019/05/14 10:28:16 [error] 13655#0: *3199 connect() failed (111: Connection refused) while connecting to upstream, client: 47.111.97.155, server: api.xmpush.xiaomi.co
m, request: "POST /v2/message/regid HTTP/1.1", upstream: "http://10.132.28.28:9085/v2/message/regid", host: "api.xmpush.xiaomi.com"      

logstash清洗規則如下

#根據error日志的規律，兩個正則覆寫所有情況，正則忘記從哪個大神那取的經了，多謝，另外，為了防止特殊情況出現，我保留了原始msg
filter {
   grok {
        match => [
            "message", "(?<time>\d{4}/\d{2}/\d{2}\s{1,}\d{2}:\d{2}:\d{2})\s{1,}\[%{DATA:err_severity}\]\s{1,}(%{NUMBER:pid:int}#%{NUMBER}:\s{1,}\*%{NUMBER}|\*%{NUMBER}) %{DATA:err_message}(?:,\s{1,}client:\s{1,}(?<client_ip>%{IP}|%{HOSTNAME}))(?:,\s{1,}server:\s{1,}%{IPORHOST:server})(?:, request: %{QS:request})?(?:, host: %{QS:host})?(?:, referrer: \"%{URI:referrer})?",
            "message", "(?<time>\d{4}/\d{2}/\d{2}\s{1,}\d{2}:\d{2}:\d{2})\s{1,}\[%{DATA:err_severity}\]\s{1,}%{GREEDYDATA:err_message}"]
        }
    date{
            match=>["time","yyyy/MM/dd HH:mm:ss"]
            target=>"@timestamp"
            remove_field => ["time_local","time","path","offset","prospector","[fields][ttopic]","[beat][version]","[beat][name]"]
        }
}      

清洗後的截圖如下

延伸配置

對于拆出來的args，如果業務上有需要分析的資訊，要繼續将k/v分開，比如a=111&b=2222，拆到es裡a作為key數字作為value，可以在logstash裡編寫如下配置

   if [args] {
              #很多url是經過decode過的，亂碼不便于閱讀，我們把它恢複
        urldecode {
         field => "args"
      }   
          #以&為分隔符，将args的k/v分開
        kv {             
           source => "args"
           field_split => "&"
        }
   }      

好了，希望能在這個基礎上，幫助你搭建自己的nginx可視化監控。

檢視更多請到部落客原創站：運維網咖社（www.net-add.com）

轉載于:https://blog.51cto.com/benpaozhe/2395107