elk系列7之通过grok分析apache日志

preface

说道分析日志，我们知道的采集方式有2种：

1. 通过grok在logstash的filter里面过滤匹配。
2. logstash --> redis --> python（py脚本过滤匹配） --> ES

第一种方式是不怎么推荐使用的，除非是在日志量比较小的场景才推荐使用。因为grok非常影响性能的，且不够灵活，除非你很懂ruby。
第二种方式是 我们一直推荐使用的架构，讲究松耦合关系。

下面我们还是说说第一种方式，然后再说第二种方式。

grok模块是作用在filter里面的，它是个可以分析任意文本内容和重构内容的模块。它是当前最好的模块在logstash上处理糟糕，乱序的日志数据，可以把这些数据分析成有序，可查询的。并且，它可以很好的处理syslog,apache 和其他的webserver，mysql logs等日志。通常来说，对于我们使用者（不是计算机，是人类）来说，任何日志格式都可以被写入的。
所以这里我们让grok结合apache的日志做分析。

apache默认日志格式：

我们打开apache的日志配置选项，可以看到

LogFormat "%h %l %u %t "%r" %>s %b "%{Referer}i" "%{User-Agent}i"" combined

参数解释：

• %h: 这是发送请求到服务器的客户的IP地址
• %l: 这是由客户端identd进程判断的RFC1413身份(identity)，输出中的符号"-"表示此处的信息无效
• %u: 这是HTTP认证系统得到的访问该网页的客户标识(userid)，环境变量REMOTE_USER会被设为该值并提供给CGI脚本。如果状态码是401，表示客户未通过认证，则此值没有意义。如果网页没有设置密码保护，则此项将是"-"。
• %t:这是服务器完成请求处理时的时间，其格式是：
  [日/月/年:时:分:秒 时区]
  日 = 2数字
  月 = 3字母
  年 = 4数字
  时 = 2数字
  分 = 2数字
  秒 = 2数字
  时区 = (+|-)4数字
• "%r": 引号中是客户端发出的包含许多有用信息的请求行
• %>s: 这是服务器返回给客户端的状态码。
• %b: 最后这项是返回给客户端的不包括响应头的字节数。如果没有信息返回，则此项应该是"-"，如果希望记录为"0"的形式，就应该用%B 。

更多资料，可以参考：http://www.jinbuguo.com/apache/menu22/logs.html

grok模块使用--拿个例子热热身

下面看看grok的使用，可以参考官网地址：https://www.elastic.co/guide/en/logstash/2.3/plugins-filters-grok.html#plugins-filters-grok
logstash的一些核心模块在这里面：/opt/logstash/vendor/bundle/jruby/1.9/gems/logstash-patterns-core-2.0.5/patterns
我们参考官网的例子来做下：
首先配置logstash。

[root@linux-node1 conf.d]# cat apache.conf
input {
  stdin {
  }
}
filter {
  grok {
    match => { "message" => "%{IP:client} %{WORD:method} %{URIPATHPARAM:request} %{NUMBER:bytes} %{NUMBER:duration}" }   # 这些IP，WORD等等都是logstash内部设定好的匹配。
  }
}

output{
    stdout {
        codec => rubydebug
    }
}

确认无误后启动，输入一列信息：

[root@linux-node1 conf.d]# /opt/logstash/bin/logstash -f apache.conf
Settings: Default pipeline workers: 2
Pipeline main started
55.3.244.1 GET /index.html 15824 0.043
{
       "message" => "55.3.244.1 GET /index.html 15824 0.043",
      "@version" => "1",
    "@timestamp" => "2016-12-11T04:36:26.387Z",
          "host" => "linux-node1",
        "client" => "55.3.244.1",
        "method" => "GET",
       "request" => "/index.html",
         "bytes" => "15824",
      "duration" => "0.043"
}

上面可得，logstash是正常工作的，filter里面能够识别对应的信息。下面就开始真正分析apache的日志。

分析apapche的日志

我们使用logstash自带的apache日志分析模块来使用，模块位于这下面：

[root@linux-node1 conf.d]# vim /opt/logstash/vendor/bundle/jruby/1.9/gems/logstash-patterns-core-2.0.5/patterns/grok-patterns
''''''
 93 COMMONAPACHELOG %{IPORHOST:clientip} %{HTTPDUSER:ident} %{USER:auth}   [%{HTTPDATE:timestamp}] "(?:%{WORD:verb} %{NOTSPACE:request}(?: HTTP/%{NUMBER:httpvers    ion})?|%{DATA:rawrequest})" %{NUMBER:response} (?:%{NUMBER:bytes}|-)     # 第93行
 94 COMBINEDAPACHELOG %{COMMONAPACHELOG} %{QS:referrer} %{QS:agent}   # 第94行
''''''

这个文件里有很多模块可以使用，可以根据自己的需求来调用。
根据上面提供的模块，我们可以直接配置在logstash里面，如下所示：

[root@linux-node1 conf.d]# cat /etc/logstash/conf.d/apache.conf
input {
  file {
    path => "/var/log/httpd/access_log"
    start_position => "beginning"
  }
}
filter {
  grok {
      match => { "message" => "%{COMBINEDAPACHELOG}"}   # 调用刚才找到的模块
  }
}

output{
    stdout {
        codec => rubydebug
    }
}

确认配置没有问题，那么就启动logstash

[root@linux-node1 conf.d]# /opt/logstash/bin/logstash -f /etc/logstash/conf.d/apache.conf

此时我们可以在head上看到apache的日志索引了。。。然后老套路，在kibana里面创建索引就可了。