Lorsqu'il s'agit de mettre en place des outils de gestion de logs applicatifs, Logstash est souvent mis en avant.
Il est souvent proposé en combinaison avec d'autres utilitaires comme ElasticSearch et Kibana, qui, bien que remarquables, posent deux soucis :
- l'effet "usine à gaz" : en effet, 3 outils à prendre en main d'un coup et à déployer, cela peut paraître intimidant.
- "Quels sont mes besoins ?" : ces outils sont essentiellement destinés à la création/analyse de statistiques extraites des informations loggées.
Dans l'exemple que j'ai choisi ici, la structure des fichiers de logs ne permet pas ce genre d'utilisation : en effet, une ligne de log en elle-même ne comporte que peu d'information (entrée dans un service, appel d'une procédure stockée...). Mais c'est plutôt en ensemble de lignes qui permet de reconstituer un scénario dans l'application : ce que l'utilisateur a fait, par où est passé le code, etc. En somme une analyse contextuelle (verticale) des logs plutôt que du contenu (horizontale).
Nous allons donc voir comment il est tout de même possible d'utiliser Logstash et MongoDB pour créer une application facilitant l'analyse de fichiers de logs volumineux.
Tout d'abord, pourquoi ces outils?
Logstash : il est prévu pour traiter des volumes de données importants, de manière efficace, même pour des fichiers au contenu spécifique grâce à son moteur d'expressions régulières Grok. Sa configuration est également très simple car il embarque des composants tout prêts, comme l'accès aux bases MongoDB.
MongoDB : NoSQL pour une mise en place rapide (schemaless orientée document), sans configuration, gérant également des grands volumes de données (au format JSON, utile pour les applis web).
C'est parti, mise en place!
Logstash
Il se présente sous la forme d'un Jar autonome exécutable et ne nécessite qu'un fichier de configuration. En voici un exemple, l'explication par la suite :
input {
file {
type => "serveur"
path => "C:/log/serveur_*.log"
}
file {
type => "client"
path => "C:/log/client_*.log"
}
}
filter {
grok {
match => [ "message", "%{DATESTAMP:date} %{LOGLEVEL:level} ?(<context>[a-Z0-9_]*) %{GREEDYDATA:message}" ]
}
}
output {
mongodb {
collection => "collec-%{type}"
database => "local"
uri => "mongodb://localhost"
}
}
En détails :
- Les entrées (input) de type "fichier" :
- type : une étiquette qui permet de différencier nos sources de fichiers (logs serveur d'un côté et client de l'autre)
- path : le chemin d'accès, utilisant des wildcards
- filter : la traitement a effectuer sur les entrées, ici un découpage via une expression régulière Grok
%{DATESTAMP:date}: on crée un champ nommé "date" constitué d'un timestamp, quel que soit le format (trop fort!)%{LOGLEVEL:method}: un champ nommé "level" contenant les constantes classique de niveau de log : INFO, ERROR...?(<context>[a-Z0-9_]*): un champ nommé "context" basé sur une expression régulière personnalisée%{GREEDYDATA:message}: un champ nommé "message" contenat... tout et n'importe quoi!
- Les sorties (output) de type "mongodb", avec les infos de connexion basiques. Petite astuce : il est possible de rendre dynamiques les éléments de configuration pour chaque ligne de log traitée.
Il est possible de se faciliter l'écriture de l'expression Grok avec Grok Debugger. Comme vous le voyez, très efficace!
Ces quelques lignes placées dans un fichier "ma-config.conf", Logstash se lance simplement avec :
java -jar logstash-1.3.2-flatjar.jar agent -f ma-config.confMongoDB
Là, rien de plus simple (la doc ici) :
- Lancer "mongod.exe" pour démarrer la base
- Optionnel : lancer "mongo.exe" pour ouvrir la console d'administration
- Dans notre exemple, pas besoin de créer une base de données, "local" est déjà créée par défaut.
Et voilà! Vous pouvez d'ores-et-déjà déposer des fichiers dans les répertoires indiqués, Logstash va lancer nos traitements pour fournir les documents correspondant dans notre base...
Comme je vous sens coupé dans votre élan, allons plus loin.
API Java
Bien évidemment, MongoDB vient avec une API Java très simple d'utilisation. Quelques lignes de code déployées par exemple sur un serveur Glassfish exposant des webservices REST via Jersey et vous avez une application web pour consulter et requêter dans vos fichiers de logs!
Petits exemples, avec JQuery datatables et un tableau de bord avec gridster :
 |
 |
Plus loin...
Ils vous est également possible de pousser un peu plus loin ce système en utilisant cette extension de log4j, log4mongo, afin d'écrire vos logs en temps réel dans la base MongoDB depuis votre application!
