logstash-output-datahub

Aliyun DataHub Plugin for LogStash

Getting Started

---

介绍

• 该插件是基于logstash开发的输出插件，它主要完成数据采集到DataHub(阿里云产品)存储服务上

安装

• 环境要求linux, jdk1.7+, logstash（可选，如果没安装也没关系）
• 从流计算官网下载tar包，使用以下命令安装

如果之前没安装过logstash，请使用以下步骤安装

$ tar -xzvf logstash-with-datahub-2.3.0.tar.gz
$ cd logstash-with-datahub-2.3.0

如果之前安装过logstash，拿到logstash-output-datahub-1.0.0.gem，再使用以下命令安装

$ ${LOGSTASH_HOME}/bin/logstash-plugin install --local logstash-output-datahub-1.0.0.gem

样例

• 采集日志

以下是一个应用打出的日志，格式如下：

20:04:30.359 [qtp1453606810-20] INFO  AuditInterceptor - [13pn9kdr5tl84stzkmaa8vmg] end /web/v1/project/fhp4clxfbu0w3ym2n7ee6ynh/statistics?executionName=bayes_poc_test GET, 187 ms

在datahub的topic的schema如下：

request_time, STRING
thread_id, STRING
log_level, STRING
class_name, STRING
request_id, STRING
detail, STRING

logstash的配置如下：

input {
    file {
		path => "${APP_HOME}/log/app.log"
		start_position => "beginning"
    }
}

filter{
    grok {
		match => {
		   "message" => "(?<request_time>\d\d:\d\d:\d\d\.\d+)\s+\[(?<thread_id>[\w\-]+)\]\s+(?<log_level>\w+)\s+(?<class_name>\w+)\s+\-(?<detail>.+)"
		}
    }
}

output {
    datahub {
		access_id => ""
		access_key => ""
		endpoint => ""
		project_name => ""
		topic_name => ""
		#shard_id => "0"
		#shard_keys => ["thread_id"]
		dirty_data_continue => true
		dirty_data_file => "/Users/ph0ly/trash/dirty.data"
		dirty_data_file_max_size => 1000
    }
}

参数介绍

access_id(Required): 阿里云access id
access_key(Required): 阿里云access key
endpoint(Required): 阿里云datahub的服务地址
project_name(Required): datahub项目名称
topic_name(Required): datahub topic名称
retry_times(Optional): 重试次数，-1为无限重试、0为不重试、>0表示需要有限次数
retry_interval(Optional): 下一次重试的间隔，单位为秒
shard_keys(Optional)：数组类型，数据落shard的字段名称，插件会根据这些字段的值计算hash将每条数据落某个shard, 注意shard_keys和shard_id都未指定，默认轮询落shard
shard_id(Optional): 所有数据落指定的shard，注意shard_keys和shard_id都未指定，默认轮询落shard
dirty_data_continue(Optional): 脏数据是否继续运行，默认为false，如果指定true，则遇到脏数据直接无视，继续处理数据。当开启该开关，必须指定@dirty_data_file文件
dirty_data_file(Optional): 脏数据文件名称，当数据文件名称，在@dirty_data_continue开启的情况下，需要指定该值。特别注意：脏数据文件将被分割成两个部分.part1和.part2，part1作为更早的脏数据，part2作为更新的数据
dirty_data_file_max_size(Optional): 脏数据文件的最大大小，该值保证脏数据文件最大大小不超过这个值，目前该值仅是一个参考值

相关参考

---

• LogStash主页
• LogStash插件开发

Authors && Contributors

---

• Huang Tao

License

---

licensed under the Apache License 2.0