Nginx有两套日志，一套access.log一套error.log，access.log是可以用户自定义，两套日志处理好，业务的质量就了然于心了，另外，日志关键指标可视化分析我认为是运维中最重要的事情了，没有之一

Nginx有两套日志，一套access.log一套error.log，access.log用户可以自定义，两套日志处理好，业务的质量就了然于心了，另外，日志关键指标可视化分析我认为是运维中最重要的事情了，没有之一。

对于后期的可视化监控，核心观点两个字“收敛”，工具用grafana，把最有用的关键指标放到dashboard上，我线上设计的一个版面如下，由于日志量大，200 ok的日志基本不看，所以结合filebeat只收集了一套异常日志，异常日志定义为状态码非200或者响应时间大于0.5秒，里面要考虑几个点：

1、要用日志时间建es索引，便于分析排障；

2、数据字段要转化为数据类型，便于计算；

3、Dashbord考虑质量、性能、错误3个维度内容；

4、为了方便聚合分析，url要把问号前的接口拆出来，比如/v1/feedback/check_regid_valid?regId=DmuZXBoN4nRulcjmZczGw1fZLya151h7%2BtY0%2FgoM6qwllq%2BR723oL8fK9Wahdxee&packageName=com.tencent.news&appId=2882303761517336368，拆成/v1/feedback/check_regid_valid，后面一堆参数可处理可不处理，后面会写一下如果处理可以继续拆一下k/v；

5、grafana要动态可选业务类型、机房、机器、响应时间等信息，便于钻取分析。

对于access.log

原始日志如下（我用上撇做的分隔）

#access.log
10.132.10.29`api.xmpush.xiaomi.com`103.107.217.171`-`14/May/2019:00:00:01 +0800`/v1/feedback/check_regid_valid?regId=46quGCb9wT89VV2XzUW89bORMmralBlKriPnZbeAmIzF2nABHj
LJKCI8%2FF0InyHR&packageName=com.smile.gifmaker&appId=2880376151713534`325`332`0.009`200`10.132.50.2:9085`-`0.009`GET`okhttp/3.12.1`200`lT666Qlxdq6G6iUqt/G3FrQ==

logstash清洗规则如下

filter {
 
     ruby {
        init => "@kname = ['server_addr','domain','remote_addr','http_x_forwarded_for','time_local','request_uri','request_length','bytes_sent','request_time','status','upstream_addr','upstream_cache_status','upstream_response_time','request_method','http_user_agent','upstream_status','key']"
        code => "event.append(Hash[@kname.zip(event['message'].split('`'))])"
   }
   #将api接口拆开
   if [request_uri] {
         grok {
           match => ["request_uri","%{DATA:api}(\?%{DATA:args})?$"]
        }
   }
   #用日志时间建立索引，把无用字段去掉
   date {
          match => ["time_local", "dd/MMM/yyyy:HH:mm:ss Z"]
          target => "@timestamp"
          remove_field => ["time_local","message","path","offset","prospector","[fields][ttopic]","[beat][version]","[beat][name]"]
      }
   #把类型从字符型转为数字型
   mutate {
        convert => [
             "request_length" , "integer",
             "status" , "integer",
             "upstream_response_time" , "float",
             "request_time" , "float",
             "bytes_sent" , "integer" ]
    }
}

output {
    #再次判断一下只收集处理异常日志
    if [status] != 200 or [request_time] > 1  {  
       elasticsearch {
                hosts  => ["1.1.1.1:9220","2.2.2.2:9220","3.3.3.3:9220"]
                #workers => 4
                index => "logstash-im-push-mt-nginx-access-%{+YYYY.MM.dd.hh}"
            }
      }  
    #某几台机器收集全量日志，用于抽样整体情况了解
    else if [beat][hostname] == 'c4-hostname01.bj' or [beat][hostname] == 'c4-hostname02.bj' {
       elasticsearch {
                hosts  => ["1.1.1.1:9220","2.2.2.2:9220","3.3.3.3:9220"]
                #workers => 4
                index => "logstash-im-push-mt-nginx-access-%{+YYYY.MM.dd.hh}"
            }
      }
 
   
  #stdout { codec => rubydebug }
}

清洗后的一个截图如下，满足需求

对于error.log

原始日志如下

#error.log  有很多种，这里只写一条，后面正则会做全部匹配
2019/05/14 10:28:16 [error] 13655#0: *3199 connect() failed (111: Connection refused) while connecting to upstream, client: 47.111.97.155, server: api.xmpush.xiaomi.co
m, request: "POST /v2/message/regid HTTP/1.1", upstream: "http://10.132.28.28:9085/v2/message/regid", host: "api.xmpush.xiaomi.com"

logstash清洗规则如下

#根据error日志的规律，两个正则覆盖所有情况，正则忘记从哪个大神那取的经了，多谢，另外，为了防止特殊情况出现，我保留了原始msg
filter {
   grok {
        match => [
            "message", "(?<time>\d{4}/\d{2}/\d{2}\s{1,}\d{2}:\d{2}:\d{2})\s{1,}\[%{DATA:err_severity}\]\s{1,}(%{NUMBER:pid:int}#%{NUMBER}:\s{1,}\*%{NUMBER}|\*%{NUMBER}) %{DATA:err_message}(?:,\s{1,}client:\s{1,}(?<client_ip>%{IP}|%{HOSTNAME}))(?:,\s{1,}server:\s{1,}%{IPORHOST:server})(?:, request: %{QS:request})?(?:, host: %{QS:host})?(?:, referrer: \"%{URI:referrer})?",
            "message", "(?<time>\d{4}/\d{2}/\d{2}\s{1,}\d{2}:\d{2}:\d{2})\s{1,}\[%{DATA:err_severity}\]\s{1,}%{GREEDYDATA:err_message}"]
        }
    date{
            match=>["time","yyyy/MM/dd HH:mm:ss"]
            target=>"@timestamp"
            remove_field => ["time_local","time","path","offset","prospector","[fields][ttopic]","[beat][version]","[beat][name]"]
        }
}

清洗后的截图如下

延伸配置

对于拆出来的args，如果业务上有需要分析的信息，要继续将k/v分开，比如a=111&b=2222，拆到es里a作为key数字作为value，可以在logstash里编写如下配置

   if [args] {
              #很多url是经过decode过的，乱码不便于阅读，我们把它恢复
        urldecode {
         field => "args"
      }   
          #以&为分隔符，将args的k/v分开
        kv {             
           source => "args"
           field_split => "&"
        }
   }

好了，希望能在这个基础上，帮助你搭建自己的nginx可视化监控。

社长"矢量比特"，曾就职中软、新浪，现任职小米，致力于DevOps运维体系的探索和运维技术的研究实践.