Logstash
#############################logstash命令常用参数#############################
-n 指定logstash实例名称，如果没有指定，默认是本地主机名
-f 从指定的文件或文件夹中加载logstash的配置；如果是一个文件夹，它会加载里面所有的文件，或者可以加上通配符只加载特定格式的文件
-w 允许filter和output的pipeline线程数量，默认是CPU核数
-b 每个 Logstash pipeline 线程，在执行具体的 filter 和 output 函数之前，最多能累积的日志条数，默认是 125 条。越大性能越好，同样也会消耗越多的 JVM 内存
-u 每个 Logstash pipeline 线程，在打包批量日志的时候，最多等待几毫秒。默认是 5 ms
-l 指定日志输出位置
-r 监控配置配置文件，如果有变化则自动重载logstash
-e 使用给定的命令行字符串作为配置，直接运行bin/log/logstash -e 配置默认是"input { stdin { type => stdin } }" "output { stdout { codec => rubydebug } }"
-t 检查配置文件是否有语法错误
-V 打印logstash版本
--log.level 指定日志等级，包括trace、debug、info、warn、error、fatal，默认info
--http.host 指定web API绑定的主机，默认127.0.0.1
--http.port 指定web API的http端口，默认9600至9700
#############################后台启动logstash#############################
1.安装supervisor
yum -y install supervisor --enablerepo=epel
2.在/etc/supervisord.conf配置文件最后添加:
[program:logstash] directory=/usr/local/logstash command=/usr/local/logstash/bin/logstash -f /usr/local/logstash/etc/conf.d/ -r -l /var/log/logstash
3.启动
service supervisord start
4.单独控制一个子进程
supervisorctl stop logstash
#############################编解码配置插件#############################
#官网参考：https://www.elastic.co/guide/en/logstash/current/codec-plugins.html
#logstash不只是一个input|filter|output的数据流，而是一个input|decode|filter|encode|output的数据流。codec就是用来decode、encode事件的。
1.JSON编解码
#直接输入预定义好的JSON数据，可以省略filter/grok配置，降低logstash过滤的CPU负载消耗
input {
file {
path => "/opt/data/logs/bjape01-ngx-a1-172.16.3.2/nginx_access.log"
codec => "json"
}
}
2.multiline多行事件编码
codec => multiline {
pattern => "^\["
negate => true
what => "previous"
}
#pattern 要匹配的正则表达式，字符串类型
#negate 正则表达式是否生效，布尔类型，默认为flase
#what 未匹配的内容是向前合并还是向后后合并,previous,next两个值选择
#示例配置可以用于Log4j方式的应用程序日志
3.line面向行的文本数据
4.plain空的纯文本编解码
#使用已经有定义框架输入或输出，例如logstash输出转存到elasticsearch
output {
if [type] == "user_audit" {
elasticsearch {
hosts => ["172.16.1.25","172.16.1.26","172.16.1.27"]
index => 'user_audit-%{+YYYY-MM-dd}'
codec=>plain{charset=>"UTF-8"}
}
}
}
#############################输入插件#############################
#官网参考：https://www.elastic.co/guide/en/logstash/current/input-plugins.html
1.标准输入
示例：
input {
stdin {
add_field => {"key" => "value"}
codec => "plain"
tags => ["add"]
type => "std"
}
}
#add_field 向事件添加一个字段，hash类型
#codec 设置编码方式，默认是line
#tags 添加标记
#type 添加类型
2.文件输入
input {
file {
path => [
"/opt/data/logs/idca-web1-172.16.3.2/apache_access.log",
"/opt/data/logs/idca-web1-172.16.3.2/apache_error.log"
]
stat_interval => 1
discover_interval => 1
type => "apache_log"
}
}
#path 处理的文件的路径, 可以定义多个路径
#stat_interval 每隔多久检查一次被监听文件状态（是否更新），默认是1秒
#discover_interval 每隔多久去检查一次被监听的path下是否有新文件，默认是15秒
#start_position 从什么位置开始读取文件数据，"beginning"从头开始读取，读到最后一行不会终止，继续tailf；"end"从结束位置tailf。默认值是"end"
#坑：start_position仅在该文件从未被监听过的时候起作用，如果sincedb文件中已经有这个文件的inode记录了，那么logstash依然会冲记录过的pos开始读取数据。所以重复测试的时候每回需要删除sincedb文件，该文件一般在安装目录下的data/plugins/inputs/file/中
#优化：在file中添加sincedb_path => "/dev/null"，可以直接将sincedb写到黑洞中
#exclude 不想被监听的文件可以排除出去
#sincedb_path 配置sincedb文件位置
#sincedb_write_interval 每隔多久写一次sincedb文件，默认15秒
3.syslog输入
input {
syslog {
port => "514"
}
}
4.collectd输入
#############################过滤器配置#############################
#官网参考：https://www.elastic.co/guide/en/logstash/current/filter-plugins.html
1.grok正则捕获
#用于匹配对应格式的message，然后过滤出来
filter {
grok {
break_on_match => false
patterns_dir => ["/usr/local/logstash/etc/conf.d/patterns"]
match => { "message" => "\[%{TIMESTAMP_ISO8601:time}\] \[%{GLASSFISHVERSION:gfversion}\] %{OTHER}"}
}
grok {
break_on_match => false
patterns_dir => ["/usr/local/logstash/etc/conf.d/patterns"]
match => {"path" => "/%{USER}/%{USER}/%{USER}/%{USER:host}/%{OTHER}" }
overwrite => [ "host" ]
}
}
#break_on_match 表示匹配即停止，默认为true，如果希望grok尝试所有模式，设置为false
#patterns_dir 将grok表达式统一写到文件中，该选项指定文件目录。grok表达式可以写到配置文件中，但是日志格式可能有多种，每种都写一行自己的表达式就可能会出问题，所以建议将所有的grok表达式统一写到一个地方。
#grok表达式格式：
USERNAME [a-zA-Z0-9._-]+
USER %{USERNAME}
#第一行用普通的正则表达式来定义一个grok表达式；第二行用以定义好的grok表达式来定义另一个grok表达式。logstash内置了多种grok表达式，查看https://github.com/logstash-plugins/logstash-patterns-core/tree/master/patterns，同样可以自定义grok表达式。
%{NUMBER:num}
%{NUMBER:num:int}
#grok表达式的打印复制格式，第一行中NUMBER表示匹配的模式，num是匹配内容的标识，代表匹配的内容；第二行中int表示转换匹配内容的格式，默认是字符串格式。
#overwrite用来重写message字段，上面例子第二个grok中match的是一个路径，但是我们只想保留路径中的一个host字段，所以overwrite => [ "host" ]就可以了
2.date时间处理
#日志产生到logstash处理一般都会有一段时间差，导致logstash实际处理时间都比日志产生时间晚。logstash-filter-date插件可以解析日志中的时间，变成LogStash:Timestamp对象，然后转存到@timestamp字段里，作为事件的时间戳；如果未使用date插件或没有解析到时间，logstash将使用日志输入的时间作为事件的时间戳。
date {
match => [ "time", "MMM dd yyyy HH:mm:ss",
"MMM d yyyy, HH:mm:ss", "ISO8601" ]
}
#配置选项包括：locale、match、tag_on_failure、target、timezone。常用的是match，值的类型同样是列表，默认是[]
#实例中的time就是grok中匹配字段的标识，由我们自定义。
#date插件支持五种时间格式，常用的是ISO8601和Joda-Time库
ISO8601：类似"2018-10-19T14:25:25.905+0800"，这是我们的北京时间，如果是UTC时间后面跟的是一个大写的Z（时区偏移），nginx、apache、java应用都可以设置为这种格式。 UNIX：UNIX时间戳格式，记录从1970年起至今的总秒数。 UNIX_MS：从1970年至今的总毫秒数。 TAI64N：tai64n格式，很少用。 Joda-Time库：y年，yyyy例如2018，yy例如18；M月，MMMM例如January，MMM例如Jan，MM例如01，M例如1；d日，dd例如01，d例如1；H时，HH例如01，H例如1；m分，mm例如01，m例如1；s秒，ss例如01，s例如1
#############################输出插件#############################
#官网参考：https://www.elastic.co/guide/en/logstash/current/output-plugins.html
1.输出到Elasticsearch
output {
elasticsearch {
hosts => ["172.16.1.25","172.16.1.26","172.16.1.27"]
index => "%{type}-%{+YYYY-MM-dd}"
codec=>plain{charset=>"UTF-8"}
}
}
#hosts Elasticsearch地址，列表形式，可以写多个。
#index 索引名，写入Elasticsearch索引的名称，可以使用变量。注意：%{+YYYY-MM-dd}}在语法解析时，看到已+开头的，就会自动认为后面是时间格式，所以之前处理过程中不要给自定义字段取加号开头的名字；索引名中不要有大写字母，否则Elasticsearch会报InvalidindexNameException