在堆栈驱动程序日志记录中解析文本有效负载中的字段

Question

这是tomcat访问日志中的一行：

127.0.0.1 - - [24/May/2016:17:53:05 -0700] "POST /users HTTP/1.1" 200 10676

有没有办法解析出这里的各种字段，如客户端 IP、HTTP 请求方法、请求路径、响应代码等，并将其加载到 BigQuery 表中的单独列中？

本页底部的表格链接到流畅的 catch-all 配置，但我相信应该以可配置的方式解析和加载不同的日志，以便于查询？

还是我在这里错过了一些基本的东西？

Answer 1

这可能

不是你的意思 - 但只是猜测：

如何将日志加载到 GBQ 表中，以便每个日志行都成为表中的行，然后使用如下所示的内容将其解析为另一个表（代码不假装是最佳的 - 只是为了显示想法）

SELECT 
  REGEXP_EXTRACT(log_line, r'(?: (?:.+?)){0} (.+?) '),
  REGEXP_EXTRACT(log_line, r'(?: (?:.+?)){1} (.+?) '),
  REGEXP_EXTRACT(log_line, r'(?: (?:.+?)){2} (.+?) '),
  REGEXP_EXTRACT(log_line, r'(?: (?:.+?)){3} (.+?) '),
  REGEXP_EXTRACT(log_line, r'(?: (?:.+?)){4} (.+?) '),
  REGEXP_EXTRACT(log_line, r'(?: (?:.+?)){5} (.+?) '),
  REGEXP_EXTRACT(log_line, r'(?: (?:.+?)){6} (.+?) '),
  REGEXP_EXTRACT(log_line, r'(?: (?:.+?)){7} (.+?) '),
  REGEXP_EXTRACT(log_line, r'(?: (?:.+?)){8} (.+?) '),
  REGEXP_EXTRACT(log_line, r'(?: (?:.+?)){9} (.+?) '),
FROM (
  SELECT ' ' + REGEXP_REPLACE(log_line, r'[[]"]', '') + ' ' AS log_line 
  FROM 
    (SELECT '127.0.0.1 - - [24/May/2016:17:53:05 -0700] "POST /users HTTP/1.1" 200 10676' AS log_line)
)

Answer 2

您可以将其作为"CSV"导入吗？BigQuery 允许您指定自定义分隔符和引号字符。

127.0.0.1 - - [24/May/2016:17:53:05 -0700] "POST /users HTTP/1.1" 200 10676

看起来您可以提供一个空格作为引号字符，双引号作为（可选）引号。我希望上面的示例行解析为：

"127.0.0.1"， "-"， "-"， "[24/May/2016：17：53：05"， "-0700]"， "POST/users HTTP/1.1"， 200， 10676

时间戳 + 时区有点混乱，您最初需要将一些字段作为字符串导入，但您可以使用查询进行后处理（如 Mikhhail 的答案）来修复它并避免使用另一个工具来配置和管理。