Simple Log Service：提取字串動態索引值對

常用方案比較

字串動態索引值對提取分為關鍵字提取、值提取、關鍵字加工和值加工，常用方案為採用e_kv函數、e_kv_delimit函數和e_regex函數等。不同提取情境的三種方案如下：

大部分索引值對的提取使用e_kv函數並配置特定參數就可以很好地滿足，尤其是帶括字元和反斜線需要提取並轉義時。其他複雜或進階的情境可以用e_regex函數來提取。部分特定情境下的索引值對使用e_kv_delimit函數會更簡單。

關鍵字提取

• 處理方法

  e_kv、e_kv_delimit、e_regex等函數在應用於關鍵字提取的時候都應遵循欄位名提取約束。

• 樣本1

  以k1: q=asd&a=1&b=2&__1__=3日誌為例，如果要對該格式的日誌作關鍵字和值提取，三種方案如下：

  • e_kv函數

    • 原始日誌

      k1: q=asd&a=1&b=2&__1__=3

    • 加工規則

      #預設以特定字元集提取關鍵字
      e_kv("k1")

    • 加工結果

      k1: q=asd&a=1&b=2
      q: asd
      a: 1
      b: 2

      說明

      沒有提取出關鍵字__1__是因為其不符合欄位名提取約束。

  • e_kv_delimit函數

    • 原始日誌

      k1: q=asd&a=1&b=2&__1__=3

    • 加工規則

      # 以&分隔索引值後,用&分隔提取出關鍵字
      e_kv_delimit("k1", pair_sep=r"&")

    • 加工結果

      k1: q=asd&a=1&b=2
      q: asd
      a: 1
      b: 2

  • e_regex函數

    • 原始日誌

      k1: q=asd&a=1&b=2&__1__=3

    • 加工規則

      # 自行指定字元集提取關鍵字和值
      e_regex("k1",r"(\w+)=([a-zA-Z0-9]+)",{r"\1": r"\2"})

    • 加工結果

      k1: q=asd&a=1&b=2
      q: asd
      a: 1
      b: 2

• 樣本2

  以content:k1=v1&k2=v2?k3:v3為例，需要特定正則提取關鍵字，三種方案如下：

  • e_kv函數

    • 原始日誌

      content:k1=v1&k2=v2?k3:v3

    • 加工規則

      e_kv("content",sep="(?:=|:)")

    • 加工結果

      content:k1=v1&k2=v2?k3:v3
      k1: v1
      k2: v2
      k3: v3

      說明

      給參數pair_sep、kv_sep或者sep傳遞字元集的時候，需要使用正則的不捕獲分組，形式如(?:字元集)。

  • e_kv_delimit函數

    • 原始日誌

      content:k1=v1&k2=v2?k3:v3

    • 加工規則

      e_kv_delimit("content",pair_sep=r"&?",kv_sep="(?:=|:)")

    • 加工結果

      content:k1=v1&k2=v2?k3:v3
      k1: v1
      k2: v2
      k3: v3

  • e_regex函數

    • 原始日誌

      content:k1=v1&k2=v2?k3:v3

    • 加工規則

      e_regex("content",r"([a-zA-Z0-9]+)[=|:]([a-zA-Z0-9]+)",{r"\1": r"\2"})

    • 加工結果

      content:k1=v1&k2=v2?k3:v3
      k1: v1
      k2: v2
      k3: v3

• 樣本3

  對以下格式的複雜字串，使用e_regex函數提取更方便。

  • 原始日誌

    content :"ak_id:"LTAiscW,"ak_key:"rsd7r8f

  • 加工規則

    如果要提取字串的關鍵字前有（”）符號，需要使用e_regex函數來提取。

    e_regex("content", r"(\w+):\"(\w+)", {r"\1": r"\2"})

  • 加工結果

    經過DSL編排之後的日誌格式：

    content :"ak_id:"LTAiscW,"ak_key:"rsd7r8f
    ak_id: LTAiscW
    ak_key: rsd7r8f

值提取

• 動態索引值對之間以及關鍵字與值之間有明確標識，如a=b或a="cxxx"日誌格式的，推薦用e_kv函數，樣本如下。

  • 原始日誌

    content1:  k="helloworld",the change world, k2="good"

  • 加工規則

    這種情況下使用e_kv函數，提取內容不包括the change world：

    e_kv("content1")
    # e_kv_delimit函數寫法，特別注意k2前有空格，所以e_kv_delimit函數的pair_sep參數需要使用`,\s`才能正常解析，否則解析不出來k2。
    e_kv_delimit("content1",kv_sep="=", pair_sep=",\s")
    # e_regex函數寫法
    e_regex("str",r"(\w+)=(\"\w+)",{r"\1": r"\2"})

  • 加工結果

    提取後的日誌為：

    content1:  k="helloworld",the change world, k2="good"
    k1: helloworld
    k2: good

• 對帶"的日誌格式content:k1="v1=1"&k2=v2?k3=v3，推薦使用e_kv函數進行提取，例如：

  • 原始日誌

    content:k1="v1=1"&k2=v2?k3=v3

  • 加工規則

    e_kv("content",sep="=", quote="'")

  • 加工結果

    處理後日誌為：

    content: k1='v1=1'&k2=v2?k3=v3
    k1: v1=1
    k2:v2
    k3:v3

  如果使用e_kv_delimit函數提取，規則為e_kv_delimit("ctx", pair_sep=r"&?", kv_sep="=")，只能解析出k2: v2和k3: v3，因為其中第一個提取的索引值對中關鍵字是k1="v1，不符合欄位名提取約束會被丟棄。

• 分隔字元的索引值對中，值包含特殊字元但沒有用特定字元包括。例如：

  • 原始日誌

    content:  rats eat rice, oil|chicks eat bugs, rice|kittens eat fish, mice|

  • 加工規則（推薦）

    使用e_kv_delimit函數比較合適。

    e_kv_delimit("content", pair_sep="|", kv_sep=" eat ")

  • 加工結果（推薦）

    處理後日誌為：

    content:  rats eat rice, oil|chicks eat bugs, rice|kittens eat fish, mice|
    kittens:  fish, mice
    chicks:  bugs, rice
    rats:  rice, oil

  • 加工規則（不推薦）

    使用e_kv函數無法解析完整。

    e_kv("f1", sep="eat")

  • 加工結果（不推薦）

    處理後日誌為：

    content:  rats eat rice, oil|chicks eat bugs, rice|kittens eat fish, mice|
    kittens:  fish
    chicks:  bugs
    rats:  rice

關鍵字加工

• e_kv函數和e_kv_delimit函數都可以通過prefix="", suffix=""對關鍵字和值進行加工。

  • 原始日誌

    k1: q=asd&a=1&b=2

  • 加工規則

    e_kv("k1", sep="=", quote='"', prefix="start_", suffix="_end")
    e_kv_delimit("k1", pair_sep=r"&", kv_sep="=", prefix="start_", suffix="_end")
    e_regex("k1",r"(\w+)=([a-zA-Z0-9]+)",{r"start_\1_end": r"\2"})

  • 加工結果

    加工後的資料都是關鍵字加工形式，如下：

    k1: q=asd&a=1&b=2
    start_q_end: asd
    start_a_end: 1
    start_b_end: 2

• e_regex函數對關鍵字加工的能力更強，例如：

  • 加工規則

    e_regex("k1",r"(\w+)=([a-zA-Z0-9]+)",{r"\1_\1": r"\2"})

  • 加工結果

    加工後的資料都是關鍵字加工形式，如下：

    k1: q=asd&a=1&b=2
    q_q: asd
    a_a: 1
    a_a: 2

值加工

• 日誌格式為k1:"v1\"abc"形式， 同時值加工的內容存在有雙引號符號的情形，使用e_kv函數可正常進行提取，其他兩種方式較難實現。

  • 原始日誌

    """
    這裡的\只是普通的符號，不是轉義符
    """
    content2:  k1:"v1\"abc", k2:"v2", k3: "v3"

  • 加工規則1

    e_kv("content2",sep=":", quote='"')

    使用e_kv函數規則為：

  • 加工結果1

    提取後的日誌為：

    content2:  k1:"v1\"abc", k2:"v2", k3: "v3"
    k1: v1\
    k2: v2
    k3: v3

  • 加工規則2

    e_kv函數通過參數escape支援對\字元轉義。例如：

    e_kv("content2",sep=":", quote='"',escape=True)

  • 加工結果2

    提取後的日誌為：

    content2:  k1:"v1\"abc", k2:"v2", k3: "v3"
    k1: v1"abc
    k2: v2
    k3: v3

• 日誌格式為a='k1=k2\';k2=k3'形式的日誌，只有e_kv函數可以正常提取出，其他兩種比較難以實現。

  • 原始日誌

    data: i=c10 a='k1=k2\';k2=k3'

  • 加工規則1

    預設情況下e_kv函數的escape=False，結果為：

    e_kv("data", quote="'")

  • 加工結果1

    提取後的日誌為：

    a:  k1=k2\
    i:  c10
    k2:  k3

  • 加工規則2

    e_kv函數通過參數escape支援對\字元轉義。例如：

    e_kv("data", quote="'", escape=True)

  • 加工結果2

    提取後的日誌為：

    data: i=c10 a='k1=k2\';k2=k3'
    i: c10
    a: k1=k2';k2=k3

• 索引值的複雜加工。

  • 原始日誌

    content:  rats eat rice|chicks eat bugs|kittens eat fish|

  • 加工規則

    使用e_regex函數進行加工。

    e_regex("content", r"\b(\w+) eat ([^\|]+)", {r"\1": r"\2 by \1"})

  • 加工結果

    處理後日誌為：

    content:  rats eat rice|chicks eat bugs|kittens eat fish|
    kittens:  fish by kittens
    chicks:  bugs by chicks
    rats:  rice by rats

客戶案例

例如某網站日誌中有一個URL資料，針對這條資料有提取需求，按照需求設計加工規則處理日誌內容。

• 第一次加工

  • 需求

    • 需求1：對日誌解析出proto、domain、param等內容。

    • 需求2：對param中的索引值對做展開操作。

  • 原始日誌

    __source__:  192.168.0.100
    __tag__:__client_ip__:  192.168.0.200
    __tag__:__receive_time__:  1563517113
    __topic__:  
    request:  https://example.com/video/getlist/s?ver=3.2.3&app_type=supplier&os=Android8.1.0

  • 加工方案

    • 總規則

      # 初步處理解析request內容
      e_regex('request',grok("%{URIPROTO:uri_proto}://(?:%{USER:user}(?::[^@]*)?@)?(?:%{URIHOST:uri_domain})?(?:%{URIPATHPARAM:uri_param})?"))
      # 其次處理解析uri_param
      e_regex('uri_param',grok("%{GREEDYDATA:uri_path}\?%{GREEDYDATA:uri_query}"))
      # 展開kv形式
      e_kv("uri_query")

    • 細分規則及對應的加工結果

      1. 使用GROK模式對欄位request進行解析。

         也可以使用正則解析，請參見GROK函數和GROK模式參考。

         e_regex('request',grok("%{URIPROTO:uri_proto}://(?:%{USER:user}(?::[^@]*)?@)?(?:%{URIHOST:uri_domain})?(?:%{URIPATHPARAM:uri_param})?"))

         對應加工結果：

         uri_domain:  example.com
         uri_param:  /video/getlist/s?ver=3.2.3&app_type=supplier&os=Android8.1.0
         uri_proto:  https

      2. 使用GROK模式對欄位uri_param進行解析。

         e_regex('uri_param',grok("%{GREEDYDATA:uri_path}\?%{GREEDYDATA:uri_query}"))

         對應加工結果：

         uri_path:  /video/getlist/s
         uri_query:  ver=3.2.3&app_type=supplier&os=Android8.1.0

      3. 對uri_param進列欄位提取，具體操作如下：

         e_kv("uri_query")

         對應加工結果：

         app_type:  supplier
         os:  Android8.1.0
         ver:  3.2.3

• 加工結果

  預覽處理後日誌：

  __source__:  192.168.0.100
  __tag__:__client_ip__:  192.168.0.200
  __tag__:__receive_time__:  1563517113
  __topic__:  
  request:  https://example.com/video/getlist/s?ver=3.2.3&app_type=supplier&os=Android8.1.0
  uri_domain:  example.com
  uri_path:  /video/getlist/s
  uri_proto:  https
  uri_query:  ver=3.2.3&app_type=supplier&os=Android8.1.0
  app_type:  supplier
  os:  Android8.1.0
  ver:  3.2.3

  假如只有解析request需求，可以直接對欄位request使用e_kv函數。例如：

  e_kv("request")

  預覽處理後日誌：

  __source__:  192.168.0.100
  __tag__:__client_ip__:  192.168.0.200
  __tag__:__receive_time__:  1563517113
  __topic__:  
  request:  https://example.com/video/getlist/s?ver=3.2.3&app_type=supplier&os=Android8.1.0
  app_type:  supplier
  os:  Android8.1.0
  ver:  3.2.3

• 進一步加工

  客戶要提取其中動態欄位ver、app_type和os等，加工規則如下。

  • 使用Regex

    e_regex("url", r"\b(\w+)=([^=&]+)", {r"\1": r"\2"})

  • 使用e_kv_delmit函數

    e_kv_delimit("url", pair_sep=r"?&")

• 方案總結

  對於大部分URL函數形式，都可使用以上函數進行解析。但是針對原始日誌中的URL形式，使用e_kv函數已經足夠，清晰明了而且形式簡單。