kibana可视化分析nginx日志

简介

将日志存入elasticsearch后就可以使用kibana直观的分析nginx日志。这篇文章主要是记录配置kibana分析nginx日志。

解析日志

虽然在我前面的文章中将nginx日志成功存入elaticsearch了,但是并不方便分析。这篇文章中重新调整logstash的filter配置,对日志做更多格式化处理之后再存入elasticsearch。下面是调整之后的配置

[root@informixtest logstash-8.6.2]# cat config/logstash-test2.conf 
# Sample Logstash configuration for creating a simple
# Beats -> Logstash -> Elasticsearch pipeline.

input {
  beats {
    port => 5044
  }
}

filter {
   grok {
     match => { "message" => "%{IPORHOST:clientip} - - \[%{HTTPDATE:htptime}\] \"%{DATA:htpmethod}( (?<htpurl>.*?)(\?(?<htppara>.*?))? HTTP/%{NUMBER:htpver})?\" %{NUMBER:htpstatus} %{NUMBER:htpbytes} \"%{DATA:htpref}\" \"%{DATA:htpagent}\"" }
     remove_field => ["message"]
   }

   date {
     match => ["htptime","dd/MMM/yyyy:HH:mm:ss Z"]
     remove_field => ["htptime"]
   }

   mutate {
     convert => {
        "htpstatus" => "integer"
        "htpbytes" => "integer"
     }
   }

   kv {
     source => "htppara"
     target => "htppara"
         field_split => "&"
   }
}

output {
  elasticsearch {
    hosts => ["http://localhost:9200"]
    index => "test"
    user => "elastic"
    password => "xxx"
  }
}

解释:

  • 上面grok将请求中参数字段分割出来放到htppara,grok表达式(\?(?<htppara>.*?))?的第一个\?表示匹配url中的字符?(url中一般使用?分割参数,?在正则中表示匹配0或1次,这里使用\进行转义),最后那个?是为了匹配没有参数的url的请求;为了对于异常http请求提供支持,这里将httpmethod后面的全部括起来后加?
  • date模块将htptime转为日期格式,转换前htptime是字符串,转换后默认放入timestamp。
  • mutate模块将htpstatus,htpbytes转为整数。
  • kv模块将htppara转为键值对,如可以通过htppara.token引用参数token字段。
  • 为了kibana正确显示时间,需要调整kibana的时区:


    timezone_set.png

    如果需要删除日志重新导入,需要清空filebeat的读取记录:

[root@oneNginx1 filebeat]# pwd
/var/lib/filebeat/registry/filebeat
[root@oneNginx1 filebeat]# > log.json
[root@oneNginx1 filebeat]# systemctl restart filebeat

kibana discover

  1. data view是多个index的集合,创建data view
    kibana菜单路径stack management -> data view
  2. 筛选日志


    discover1.png

    备注:

  • 上图中使用的data view是test;
  • 左上角可以添加筛选条件(图中只加了一个筛选条件NOT:htpstatus:200),右上角是时间段筛选
  1. 保存筛选条件
    右上角的save可以保存筛选条件,方便以后直接使用。


    discover2.png

kibana dashboard

dashboard就是一个统计数据展示面板,可以通过不同的维度进行统计和展示。
kibana菜单路径 Dashboard -> create dashboard -> create visualization。create visualization就是给dashboard添加统计图。

  1. 按时间统计http请求数量


    http_time_count.png
  2. 按http返回状态统计请求


    http_status.png
  3. 统计所有请求总数


    http_count.png
  4. 统计访问次数最多的url


    http_url.png

5.最终效果


final.png

dashboard的功能很厉害,多种默认统计图的模板,支持拖拽排版,通过统计图进行进一步筛选等等,并且可以设置不同的筛选条件,保存多个dashboard。

总结

文中记录的只是基本使用。网上建议nginx日志使用json格式保存,会减少logstash格式化日志的工作量。在使用google浏览器测试的过程中发现kibana删除data view没有反应,F12查看点击删除时有post http...错误,换成火狐浏览器就好了。

参考

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,284评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,115评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,614评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,671评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,699评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,562评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,309评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,223评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,668评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,859评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,981评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,705评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,310评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,904评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,023评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,146评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,933评论 2 355

推荐阅读更多精彩内容