Logtail从入门到精通（四）：正则表达式Java日志采集实战

前言

为简化日志接入门槛，我们提供了极简模式的日志解析方式（如[开启日志采集之旅]()中的介绍）。为了更好的对日志进行分析，我们还提供了其他解析方式，例如：分隔符模式、完整正则模式、JSON模式等。本文将为大家介绍如何使用完整正则解析模式。

日志解析介绍

日志采集最终目的还是为了分析，通常分析都要基于结构化或半结构化的数据，因此日志解析是整个日志解决方案中非常重要的一个部分。解析可以理解为从无结构化到半结构化的过程，即将文件中一行或多行文本变为一个个key&value对。

示例

例如对以下日志/log/error.log：

[2018-05-11T20:10:16,000] [INFO] [SessionTracker] [SessionTrackerImpl.java:148] Expiring sessions
java.sql.SQLException: Incorrect string value: '\xF0\x9F\x8E\x8F",...' for column 'data' at row 1
at org.springframework.jdbc.support.AbstractFallbackSQLExceptionTranslator.translate(AbstractFallbackSQLExceptionTranslator.java:84)
at org.springframework.jdbc.support.AbstractFallbackSQLException

可以解析成

time : 2018-05-11T20:10:16,000
level : INFO
method : SessionTracker
file : SessionTrackerImpl
line : 148
message : Expiring sessions
            java.sql.SQLException: Incorrect string value: '\xF0\x9F\x8E\x8F",...' for column 'data' at row 1
            at org.springframework.jdbc.support.AbstractFallbackSQLExceptionTranslator.translate(AbstractFallbackSQLExceptionTranslator.java:84)
            at org.springframework.jdbc.support.AbstractFallbackSQLException

解析所处阶段

对于不同的产品，日志解析在整个链路中所处的位置会有一定的区别，一般分为两类：schema on write 和 schema on read：

1. schema on write 是在进入存储系统前就已经将数据半结构化完毕。例如ES、GrayLog、MaxCompute等
2. schema on read 在写入时并不进行解析，只存储原始数据，当读取时再进行解析。例如Splunk、Sumologic

关于schema on write 还是 schema on read 的比较这里就不再展开，目前日志服务是采用的schema on write形式，Logtail在写入前会将原始日志解析成Key&Value对。

解析方式

Logtail会不定期增加新的解析方式，具体可参考文本日志采集。

正则解析配置

正则解析配置流程如下文所示，下面我们将以解析/log/error.log为示例来向大家介绍如何使用正则方式解析日志。

创建正则模式采集配置

1. 在Logstore列表页面中，点击待存储logstore的数据接入向导图标。
2. 选择自建软件中的文本文件。
3. 在跳转的采集配置页面中选择完整正则模式。

正则解析配置 自动配置

为尽可能减轻您的配置负担，我们提供了自动生成的配置方式，您可以使用鼠标点击、拖拽即可完成采集配置。具体配置请参考以下视频（地址:http://cloud.video.taobao.com//play/u/3220778205/p/1/e/6/t/1/50132666711.mp4）：

手动配置

自动生成正则的配置方式较为简单，但有可能存在以下情况：

1. 生成的正则并不一定能完全匹配您的日志模式
2. 某些复杂的日志样例无法自动提取出可用模式
3. 自动生成的正则匹配效率无法达到最优

因此某些情况下您还需要手动去提取正则。Logtail支持的是PCRE方式的正则表达式，建议您使用一些正则表达式工具进行编写和调试，例如regextester, regex101等

手动配置正则模式主要分为下述三个过程

配置行首正则

对于Java应用中的程序日志，一条日志通常会跨越多行，因此只能通过日志开头的特征区分每条日志行首。这里我们的示例是一个典型的Java错误堆栈日志，因此需要配置行首正则表达式。

• 注意：行首正则表达式需要完整匹配一行，因此一般在表达式最后加上.*

解析字段

通过行首正则能够从原始文件中将日志一条条切分出来，接下来需要将切分后的整条日志再次分解成key&value对。

• 注意：需要提取的字段用()包裹；key不要填在正则中，直接在控制台输入

提取时间

每条日志在服务日志都必须包括该日志发生的时间戳信息。Logtail默认会将采集时间作为日志时间。如果您的日志中有时间信息，建议配置时间提取规则，将日志时间映射为日志服务中的日志时间戳。

Logtail时间解析使用的是UNIX的strftime规则，具体请参考配置时间格式

• 注意：时间默认从日志key中的time字段提取

数据采集效果

相关文档和参考

正则表达式采集配置

配置时间格式

索引与查询简介

schema-on-read-vs-schema-on-write-1

schema-on-read-vs-schema-on-write-2

原文链接

本文为云栖社区原创内容，未经允许不得转载。