新功能日誌服務命令列工具ETL發布！

使用日誌服務，在搜尋、分析時是否經常遇到以下資料格式規整的痛點？

以上只是部分舉例，事實上，這些都是非常典型的etl的問題。並且在業界，一種普遍的共識是大資料分析中大部分時間（有時達到80%）花費在了資料規整（data wangling、或者etl）上，真正重要的分析在時間佔比上反而並不高。

我們希望提供一套簡單的（稍微配置一下）、可靠（效能、穩定性、擴充套件性）、一站式的（不引入額外資源、概念、技術）的方案來緩解在以上日誌服務場景中的主要etl相關的痛點。

我們首先提供命令列工具（通過日誌服務 cli）的方式的解決方案，可以看到，通過命令列工具+簡單配置檔案將源日誌庫中日誌經過處理後流出到另外乙個logstore。與託管服務比起來，更加靈活、強大、可控性強，但需要您在特定region部署執行環境。

從經濟角度出發，推薦將源logstore保留1-7天，臨時儲存，無索引，將目標logstore作為真正分析消費的logstore。

通過依賴日誌服務的消費組，完成實時流式處理，並可以自動獲得負載均衡與斷點恢復功能，而這些都不需要程式設計和額外配置：

通過相對直接的方式，併發、切分的方式，將特定時間段、分割槽的日誌進行etl處理：

通過乙個簡單的python風格的配置檔案進行編排，一般情況下不需要寫**即可達到80%的etl的需求和自由度：

提供內建的編排能力包括如下，並具備擴充套件能力：

這裡的配置檔案選擇python，而不是其他如json、yaml、ini、xml等方式，主要是以下幾個原因：

使用通用語言例如python，比使用一套json、ymal上的dsl（domain specific language）要靈活、簡單、學習曲線平滑。

python本身語言特性有利於學習和擴充套件，python自身對於資料結構的靈活性和處理就很強（無論是tuple、dict、list、set、字串）還是函式式計算（map、filter、reduce、labmda等）支援都是非常自然的。這就使得其做資料處理時，**簡單易讀。

python擴充套件性和生態比較強大，可以借力豐富的python庫做任何自由的etl處理。預設任意的python庫都可以無縫作為etl的外掛程式進行使用、python的其他生態工具都可以支援etl的編寫與除錯等。

效能上使用pypy與多程序可以較好的解決python的gil與效能問題。

日誌服務cli etl功能提供了完整的內建的處理模組，尤其對於正規表示式、kv、json、lookup等支援靈活且完整。總體內建轉換模組對常規etl轉換支援度完整，可以覆蓋總體80%的轉換需求：

理論上任意python的庫都可以無縫在配置檔案中使用，與此同時，內建的模組也提供了更加輕量級的細微的策略或者邏輯上的udf支援：

編排級別擴充套件:

內建函式擴充套件:

這裡我們舉乙個伺服器上多鐘複雜日誌格式的混合通過syslog傳送給日誌服務後的etl的例子：

pypy3 -m pip insall aliyun-log-python-sdk>= 0.6.42 aliyun-log-cli

# 丟棄所有無關的元字段，例如__tag:...___等
drop_fields_f1 = [f_tags, "uselss1", "useless2"]
# 分發：根據正規表示式規則，設定__topic__的值
dispatch_event_data = [
(, ),
(, ),
(, ),
(, ),
(true, )]       # 不匹配的預設__topic__值
# 轉換：根據特定__topic__使用特定正規表示式，對欄位`data`進行字段提取
transform_event_data = [
(, ("data", r"lte_information (?p[^,]+),(?p[^,]+),(?p[^,]+),")),
(, ("data", r"status,(?p[\d\.]+)% usr (?p[\d\.]+)% sys,(?p\d+)(?p[a-za-z]+),")),
(, ("data", r"system reboot \[(?p\d+)\]")),
(, ("data", r"provision firmware download start \[(?p[\w\.]+)\]"))
]

這裡雖然是python檔案，但並沒有任何程式設計內容，但卻可以借助於python的工具進行語法校驗。

批量執行，這裡僅僅針對shard 0做乙個2分鐘的資料etl做乙個檢驗：

aliyunlog log transform_data --config=./my_etl.py --project=p1 --logstore=abc --to_project=p2 --to_logstore=xyz --to_client=account1 --client-name=account2 --shard_list=0 --from_time="2019-1-15 12:59:00+8:00" --to_time="2019-1-15 13:01:00+8:00"

驗證ok後，可以直接使用持續執行，額外增加乙個引數cg_name即可（表示消費組名稱）：

aliyunlog log transform_data --config=./my_etl.py --project=p1 --logstore=abc --to_project=p2 --to_logstore=xyz --to_client=account1 --client-name=account2 --from_time="2019-1-15 12:59:00+8:00" --cg_name="elt1"

新功能 日誌服務命令列工具ETL發布！

命令列工具

命令列工具

c mysql命令列 mysql 命令列工具

相關推薦

新功能日誌服務命令列工具ETL發布！