前言

在之前一篇文章中关于​​Logstash安装使用​​已经演示过读写的功能了，Logstash不单是对数据进行读取和输出的功能，另一个强大的功能就是对数据的清洗，也就是俗称的过滤，那么此篇文章就是介绍Logstash使用Grok来进行对数据的清洗过滤！

Grok介绍

grok是用正则表达式来捕获关键数据的，grok是一个十分强大的logstash filter插件，他可以通过正则解析任意文本，将非结构化日志数据弄成结构化和方便车查询的结构，他是目前logstash中解析非结构化日志数据最好的方式。
Grok的语法规则

%{语法:语义}

语法是指匹配的模式，例如使用NUMBER模式就可以匹配出数字，IP模式则会匹配出127.0.0.1这样的IP地址

如：输入的内容为127.0.0.1 [07/Feb/2020:16:24:19 +0800] “GET /HTTP /1.1” 430 5039

那么使用%{IP:clientip}匹配模式将获得的结果为：clientip：127.0.0.1

那么使用%{HTTPDATE:timestamp}匹配模式将获得结果为：timestamp：07/Feb/2020:16:24:19 +0800

那么使用%{QS:referrer}匹配模式将获得的结果为：referrer：“GET /HTTP /1.1”

这些匹配模式定义模板是存放在/logstash-6.5.4/vendor/bundle/jruby/2.3.0/gems/logstash-patterns-core-4.1.2/patterns

Logstash过滤插件Filter使用_ruby


这里有一些常用的软件的匹配模式，其中grok-patterns是最基础的匹配模式，查看一下里面是啥

Logstash过滤插件Filter使用_字段_02


也就是定义了一些正则表达式罢了！

Grok语法编写

在编写过滤脚本前，先提供一个Grok的在线语法检测工具​​Grok在线语法检测​​​

Logstash过滤插件Filter使用_字段_03


这个网站可能比较慢，科学上网的可以用这个，不会科学上网的可以用国内的​​国内Grok在线语法检测​​效果一样的

将nginx的日志放入进去最为输入数据
192.168.0.99 - - [30/Sep/2020:10:00:01 +0000] "GET / HTTP/1.1" 200 971 "-" "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36" "-"

%{IP:clientip}

Logstash过滤插件Filter使用_ruby_04


那么更多匹配写法演示如下

Logstash过滤插件Filter使用_字段_05


注意这里的一些符号问题，如空格、{}、-，这些符号需要转义一下

空格
\ 
-
\-
[
\[

否则无法匹配，通过上面的匹配演示，我们将输入的内容分成五个部分，即五个字段，将输入内容分割为不同的数据字段，这对于日后解析和查询日志非常有用，这正式使用grok的目的，Lostash默认提供近200个匹配模式，（其实也就是定义好的正则表达式）然我们来使用。

Logstash使用filter过滤数据

1.grok字段匹配

vi test-grok.conf
input{
  stdin{}
}
filter{
  grok{
  match => ["message","%{IP:clientip}\ \-\-\ \[%{HTTPDATE:timestamp}\]\ %{QS:referrer}\ %{NUMBER:response}\ %{NUMBER:bytes}"]
  }
}
output{
  stdout{codec=>"rubydebug"}
}

2.启动使用test-grok.conf配置文件的Logstash

输入：
192.168.0.99 -- [30/Sep/2020:10:00:01 +0000] "GET / HTTP/1.1" 200 971 "-" "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36" "-"

Logstash过滤插件Filter使用_数据_06


3.排除掉不需要的字段

input{
  stdin{}
}
filter{
  grok{
  match => ["message","%{IP:clientip}\ \-\-\ \[%{HTTPDATE:timestamp}\]\ %{QS:referrer}\ %{NUMBER:response}\ %{NUMBER:bytes}"]
  remove_field => ["message"]
  }
}
output{
  stdout{codec=>"rubydebug"}
}

Logstash过滤插件Filter使用_字段_07


4.日期格式化

input{
  stdin{}
}
filter{
  grok{
  match => ["message","%{IP:clientip}\ \-\-\ \[%{HTTPDATE:timestamp}\]\ %{QS:referrer}\ %{NUMBER:response}\ %{NUMBER:bytes}"]
  remove_field => ["message"]
  }
  date{
  match => ["timestamp","dd/MMM/yyyy:HH:mm:ss Z"]
  #match => [ "time","MMM  d HH:mm:ss", "MMM dd HH:mm:ss", "ISO8601"]  %{TIMESTAMP_ISO8601:time}
  }
}
output{
  stdout{codec=>"rubydebug"}
}

Logstash过滤插件Filter使用_ruby_08


Logstash过滤插件Filter使用_ruby_09

那么格式化后存在两个timestamp，一个为@timestamp另一个是timestamp，那么这里的@timestamp是logstash日志收集的时间，timestamp是massage中的时间，且使用date后会将timestamp的值付给@timestamp，那么此时可以将其中一个去除！

5.去除timestamp

input{
  stdin{}
}
filter{
  grok{
  match => ["message","%{IP:clientip}\ \-\-\ \[%{HTTPDATE:timestamp}\]\ %{QS:referrer}\ %{NUMBER:response}\ %{NUMBER:bytes}"]
  remove_field => ["message"]
  }
  date{
    match => ["timestamp","dd/MMM/yyyy:HH:mm:ss Z"]
  }
  mutate{
  remove_field => ["timestamp"]
  }
}
output{
  stdout{codec=>"rubydebug"}
}

这里注意：经过grok匹配后的remove_field 中不能直接将timestamp剔除否则在date中无法将timestamp的值赋予给@timestamp只能在时间替换后再将冗余的timestamp字段剔除掉！（呆了@的字段属于元数据字段，这些字段是不能被剔除的吧！）

Logstash过滤插件Filter使用_字段_10


那么在输出的数据中就没有两个代表时间的字段了！

6.指定字段替换内容

数据修改（mutate）可以使用gsub通过正则表达式替换字段中匹配到的值，只对字符串有效，下面演示gsub 的使用

input{
  stdin{}
}
filter{
  grok{
  match => ["message","%{IP:clientip}\ \-\-\ \[%{HTTPDATE:timestamp}\]\ %{QS:referrer}\ %{NUMBER:response}\ %{NUMBER:bytes}"]
  remove_field => ["message"]
  }
  date{
    match => ["timestamp","dd/MMM/yyyy:HH:mm:ss Z"]
  }
  mutate{
  remove_field => ["timestamp"]
  gsub => ["host", "master","yyy"]
  }
}
output{
  stdout{codec=>"rubydebug"}
}

Logstash过滤插件Filter使用_字段_11


匹配替换成功！

6.指定规则分割

input{
  stdin{}
}
filter{
  grok{
  match => ["message","%{IP:clientip}\ \-\-\ \[%{HTTPDATE:timestamp}\]\ %{QS:referrer}\ %{NUMBER:response}\ %{NUMBER:bytes}"]
  #remove_field => ["message"]
  }
  date{
    match => ["timestamp","dd/MMM/yyyy:HH:mm:ss Z"]
  }
  mutate{
  remove_field => ["timestamp"]
  gsub => ["host", "master","yyy"]
  split => ["message","/"]
  }
}
output{
  stdout{codec=>"rubydebug"}
}

Logstash过滤插件Filter使用_字段_12


7.字段重命名

input{
  stdin{}
}
filter{
  grok{
  match => ["message","%{IP:clientip}\ \-\-\ \[%{HTTPDATE:timestamp}\]\ %{QS:referrer}\ %{NUMBER:response}\ %{NUMBER:bytes}"]
  #remove_field => ["message"]
  }
  date{
    match => ["timestamp","dd/MMM/yyyy:HH:mm:ss Z"]
  }
  mutate{
  remove_field => ["timestamp"]
  gsub => ["host", "master","yyy"]
  split => ["new_message","/"]
  rename => {"message" => "new_message"}
  }
}
output{
  stdout{codec=>"rubydebug"}
}

在这里不难看出mutate中的配置是存在一定的优先级的，这里重命名的优先级是高于拆分的

Logstash过滤插件Filter使用_字段_13


8.IP详细信息分析插件

input{
  stdin{}
}
filter{
  grok{
  match => ["message","%{IP:clientip}\ \-\-\ \[%{HTTPDATE:timestamp}\]\ %{QS:referrer}\ %{NUMBER:response}\ %{NUMBER:bytes}"]
  #remove_field => ["message"]
  }
  date{
    match => ["timestamp","dd/MMM/yyyy:HH:mm:ss Z"]
  }
  mutate{
  remove_field => ["timestamp"]
  gsub => ["host", "master","yyy"]
  split => ["new_message","/"]
  rename => {"message" => "new_message"}
  }
  geoip{
    source => "clientip"
  }
}
output{
  stdout{codec=>"rubydebug"}
}

Logstash过滤插件Filter使用_数据_14


提取部分geoip产生的数据

input{
  stdin{}
}
filter{
  grok{
  match => ["message","%{IP:clientip}\ \-\-\ \[%{HTTPDATE:timestamp}\]\ %{QS:referrer}\ %{NUMBER:response}\ %{NUMBER:bytes}"]
  #remove_field => ["message"]
  }
  date{
    match => ["timestamp","dd/MMM/yyyy:HH:mm:ss Z"]
  }
  mutate{
  remove_field => ["timestamp"]
  gsub => ["host", "master","yyy"]
  split => ["new_message","/"]
  rename => {"message" => "new_message"}
  }
  geoip{
    source => "clientip"
  fields => ["city_name","region_name","country_name","ip","longitude","timezone"]
  }
}
output{
  stdout{codec=>"rubydebug"}
}

Logstash过滤插件Filter使用_ruby_15


9.匹配任何内容

input{
  stdin{}
}
filter{
  grok{
  match => ["message","%{IP:clientip}\ \-\-\ \[%{HTTPDATE:timestamp}\]\ %{QS:referrer}\ %{NUMBER:response}\ %{NUMBER:bytes}\ %{GREEDYDATA:oth1}\ %{GREEDYDATA:oth2}\ %{GREEDYDATA:oth3}"]
  #remove_field => ["message"]
  }
  date{
    match => ["timestamp","dd/MMM/yyyy:HH:mm:ss Z"]
  }
  mutate{
  remove_field => ["timestamp"]
  gsub => ["host", "master","yyy"]
  split => ["new_message","/"]
  rename => {"message" => "new_message"}
  }
  geoip{
    source => "clientip"
  fields => ["city_name","region_name","country_name","ip","longitude","timezone"]
  }
}
output{
  stdout{codec=>"rubydebug"}
}

Logstash过滤插件Filter使用_数据_16


这里就任意匹配了其他的一些字段