ELK生态：Logstash增量读取csv文件数据，导入到Elasticsearch

柔情只为你懂 2022-01-14 09:11 816阅读 0赞

### 简介 ###

1.  ELK生态之Logstash导入数据到Elasticsearch；
2.  数据源：csv格式文件；
3.  Elasticsearch和Logstash版本：5.6.1；
4.  前提环境：Elasticsearch单机或集群；Logstash客户端；

### 实践 ###

*  csv文件内容：

"sixmonth","23","男","1998/6/3 18:31:46"
    "xiaoming","23","男","1999/6/3 18:31:46"
    "xiaodong","23","男","1997/6/3 18:31:46"

*  logstash.conf配置：

#1.读取数据csv文件，数据输入阶段
    input {
        file{
            #设置csv文件路径，多个文件路径可设置成数组[]，模糊匹配用*
            #指定单一文件
            path => "/data/es/logstash-5.6.1/files/test.csv"
            #指定数组文件
            #path => ["/data/es/logstash-5.6.1/files/test-1.csv","/data/es/logstash-5.6.1/files/test-2.csv"]
            #指定同级目录模糊匹配
            #path => "/data/es/logstash-5.6.1/files/test*.csv"
            #指定多级目录模糊匹配
            #path => "/data/es/logstash-5.6.1/files/**/test*.csv"
            
            #可设置成begining或end，begining表示从头开始读取文件，end表示读取最新数据，可和ignore_older一起使用
            #begining只针对首次启动是否需要读取所有的历史数据，而当csv文件修改了之后，同样会自动增量更新新数据
            start_position => beginning
            
            #表示针对多久的文件进行监控，默认一天内的文件，单位为秒，0表示不忽略任何过期日志
            #ignore_older => 86400
            
            #表示多久检查一次被监听文件的变化，默认1s
            #stat_interval => 1
            
            #当存在多个文件的时候可使用type指定输入输出路径
            type => "csv_index"
        }
     }  
      
    #2.过滤格式化数据阶段
    filter {
    
        #读取csv文件
        csv {
         #设置拆分符为逗号
         separator => ","
     
         #指定csv文件的字段，必须要和csv文件中的字段顺序一致
         columns => ["name","age","sex","updatetime"]
     
         #指定字段的数据格式，也可在mutate转换：integer, float, date, date_time, boolean
         convert => {"age" => "float"}
         
       }
       
       #转换其他数据格式
       mutate {
        convert => {
          "name" => "string"
          "sex" => "string"
        }
       }
       
       mutate{
            #将lat和lng两字段数据合并成mergestr字段
            add_field => ["mergestr", "%{age}, %{sex}"]
            
            #删除无效的字段，可自定义
            remove_field => ["@version","message","host","path"]
        }
        
        #获取日志中的时间字符串，转换成时间格式，或者替换成其他的字段
        date {
            match => ["updatetime", "yyyy/MM/dd HH:mm:ss"]
            #直接将updatetime转换时间格式
            target => "updatetime"
            #使用updatetime转换后的时间格式替换掉@timestamp时间
            #target => "@timestamp"
        }
        
        #新增timestamp字段，将@timestamp时间增加8小时
        ruby { code => "event.set('timestamp', event.get('@timestamp').time.localtime + 8*60*60)" }
        
    }
    
    #3.数据输出到ES阶段
    output {
    
        #日志输出格式，json_lines;rubydebug等
        stdout {
            codec => rubydebug
        }
        
        #输出到es
        if[type] == "csv_index"{
        
            #无法解析的json不记录到elasticsearch中
            if "_csvparsefailure" not in [tags] {    
                elasticsearch {
                    #es地址ip端口
                    hosts => "127.0.0.1:9200"
                    #索引
                    index => "csv_index"
                    #类型
                    document_type => "csv_index"
                    #覆盖模板，不需要可注释掉，通用模板下载：https://download.csdn.net/download/alan_liuyue/11241484
                    template_overwrite=>true
                    template=>"/data/es/logstash-5.6.1/template/logstash.json"         
                    
                }
            }
        }
        
    }

*   补充file-input字段说明：

codec => #可选项，默认是plain，可设置其他编码方式;
    
    discover_interval => #可选项，logstash多久检查一下path下有新文件，默认15s;
    
    exclude => #可选项，排除path下不想监听的文件;
    
    sincedb_path => #可选项，记录文件以及文件读取信息位置的数据文件;
    
    sincedb_write_interval => #可选项，logstash多久写一次sincedb文件，默认15s;
    
    stat_interval => #可选项，logstash多久检查一次被监听文件的变化，默认1s;
    
    start_position => #可选项，表示从哪个位置读取文件数据，初次导入为：beginning，最新数据为：end
    
    path => #必选项，配置文件路径，可定义多个，也可模糊匹配;
    
    tags => #可选项，在数据处理过程中，由具体的插件来添加或者删除的标记;
    
    type => #可选项，当有多个file的时候，可用于一对一匹配输入或者输出;

### 注意事项 ###

1.  logstash启动之后，进程会一直处于运行状态，若csv文件被修改，程序会自动监听，导入新数据；
2.  若需要重新导入数据，则需要删除logstash安装目录下\\plugins\\inputs\\file下的文件(该文件属于隐藏文件)，所以直接删除该目录即可，之后目录会重新生成；

### 总结 ###

1.  Logstash读取csv文件内容导入Elasticsearch，在数据源采集方面特别普遍，采集配置方式也特别简洁，程序猿有兴趣可继续深入挖掘；
2.  实践是检验认识真理性的唯一标准，自己动手丰衣足食~