阿里云日志过滤器配置日志服务

日志收集流程

对于日志收集的客户端，其work pipeline通常包括三个过程：Input，Process，Output。

• Input： 适配各类日志接入源，目前Logtail支持文本文件、Syslog（TCP流式）两种形式数据写入。
• Process：自定义日志处理逻辑，常见的有：日志切分、日志编码转换、日志结构化解析、日志过滤等等。
• Output：定义日志输出，例如Logtail以HTTP协议写数据到日志服务。

今天要介绍Logtail在日志处理阶段的两个新功能：转码、过滤

日志转码

日志服务限制数据的字符编码为UTF-8，这也是Logtail在发送数据阶段对于字符编码的要求。

但可能一些较老的应用组件在处理中文的时候，会打印GBK编码的数据到日志文件。

这种情况下，你可以在Logtail配置的高级选项中，选择日志文件编码为”GBK“。那么，Logtail在采集日志时，会对日志内容先做GBK到UTF-8的编码转换，再进行后续处理。

Logtail目前支可以支持UTF-8和GBK两种文件编码格式。对于GBK格式，Logtail使用Linux系统的iconv API，编码转换过程中会额外消耗机器计算资源。

问：如何判断我的GBK日志文件是否可以通过Logtail收集？
答：在Linux Shell下使用iconv命令进行转码测试，假设日志文件名为gbk.log，执行命令：

iconv -f GBK -t UTF-8 gbk.log -o gbk_to_utf8.log

如果执行成功则说明文件编码是GBK；如执行失败（类似iconv: illegal input sequence at position 2743错误），则说明文件不是合法的GBK编码，无法通过Logtail做编码转换，请尝试调整应用输出的日志文件编码格式为UTF-8。

日志过滤

举一个web服务器的例子，Nginx每时每刻接收大量请求，并在access.log记录这些请求：

10.200.98.220 - - [25/May/2016:14:55:42 +0800] "HEAD sls-pub.alibaba-inc.com/projects/ali-cn-hangzhou-sls-admin/logstores HTTP/1.1" 0.024 18204 200 37 "-" "aliyun-sdk-java" 13605
10.200.98.220 - - [25/May/2016:14:55:42 +0800] "POST sls-pub.alibaba-inc.com/projects/ali-cn-hangzhou-sls-admin/logstores HTTP/1.1" 0.024 18204 404 37 "-" "ali-log-logtail" 13608
10.200.98.220 - - [25/May/2016:14:55:42 +0800] "PUT sls-pub.alibaba-inc.com/projects/ali-cn-hangzhou-sls-admin/logstores HTTP/1.1" 0.024 18204 401 37 "-" "aliyun-sdk-java" 13609
10.200.98.220 - - [25/May/2016:14:55:42 +0800] "PUT sls-pub.alibaba-inc.com/projects/ali-cn-hangzhou-sls-admin/logstores HTTP/1.1" 0.024 18204 502 37 "-" "aliyun-sdk-java" 13610
10.200.98.220 - - [25/May/2016:14:55:42 +0800] "GET sls-pub.alibaba-inc.com/projects/ali-cn-hangzhou-sls-admin/logstores HTTP/1.1" 0.024 18204 401 37 "-" "cpp-sdk-0.6" 13612
10.200.98.220 - - [25/May/2016:14:55:42 +0800] "PUT sls-pub.alibaba-inc.com/projects/ali-cn-hangzhou-sls-admin/logstores HTTP/1.1" 0.024 18204 400 37 "-" "cpp-sdk-0.6" 13614
10.200.98.220 - - [25/May/2016:14:55:42 +0800] "POST sls-pub.alibaba-inc.com/projects/ali-cn-hangzhou-sls-admin/logstores HTTP/1.1" 0.024 18204 400 37 "-" "ali-log-logtail" 13615
10.200.98.220 - - [25/May/2016:14:55:42 +0800] "HEAD sls-pub.alibaba-inc.com/projects/ali-cn-hangzhou-sls-admin/logstores HTTP/1.1" 0.024 18204 200 37 "-" "cpp-sdk-0.6" 13616

对于问题调查的场景，HTTP 200请求的日志量通常是巨大的，如果我们希望降低日志存储的成本，只上传发生异常的请求日志，应该怎么来做呢？

在今天，你可以打开Logtail配置的高级选项，设置过滤器来解决数据过滤的问题。

如上图所示，分别对url字段和status字段设置了两个过滤器。指定字段Key存在且Value符合正则表达式的日志会被保留。

定义多个过滤器的时候，判断条件是“与”的关系，满足所有过滤器设置的日志是合法的，否则被丢弃。

对于一条日志，当url字段与"(POSTs.）|(GETs.)"匹配成功且status字段与"[345]d+"匹配成功的时候（只采集POST、GET请求且状态码非200的日志），Logtail将该日志上传至日志服务，如下图所示：

如果设置过滤器的字段名在日志里找不到，那么这条日志也是不合法的，需要被丢弃。默认情况下，用户没有任何过滤器设置的情况下，所有被Logtail读取并解析成功的日志数据都会写入日志服务。

实例配置：

只收集匹配到 topic  为  action 或者 plugin 的日志