前言

汽车之家几年前已实现了应用日志的采集,但是对数据库日志并没有实现集中采集，排查定位数据库故障原因不便。2021年我们研发了数据库日志采集分析平台系统，实现了数据库主机系统日志,数据库错误日志，审计日志的采集和分析。

01

背景介绍

之家数据库日志以前分散在各DB宿主机及容器RDS上，没有实现集中采集，排查定位故障原因不便。2021年DBA研发了数据库日志采集分析平台,实现了主机系统日志,数据库错误日志，审计日志的采集和分析。通过日志的集中采集,提升了故障排查效率，并且深入挖掘日志价值,可为未来之家数据库的智能审计，智能运维（如故障预警,自愈,自动调优）提供基础。

02

日志分析发展历程

日志分析并不是一项新颖的技术了，需要的是实际解决问题的思路或工具，哪怕是一段只有20行的命令脚本都可以。日志分析的发展划可分成4个时代：

1.石器时代：石器时代日志分析通常依靠Excel、终端命令(awk、grep、sort、uniq、wc等)。

2. 铁器时代：铁器时代通常依靠脚本工具(自写工具)、简易交互式工具(logwatch、logparser)等。

3. 工业时代：工作时代大家在做日志分析的时候相比前两个时代已经有了太多 的进步了，各种开源、免费、付费的软件可供选择，比如：Elastic系列、Splunk等等。

4. 未来时代：这个时代大家在做日志分析时候我不知道会用到什么，但是从目前来看，机器学习、人工智能应该是核心之一。

统一日志分析平台的工作在看来可以简单分为2个阶段：

平台实现：日志规范化 –> 日志采集 –> 日志存储 –> 日志分析 –> 日志展示 –> 告警实现；

平台优化：这个阶段是对平台实现中的每一个步骤进行优化。

以下对常见的开源日志采集工具做一简单分析:

03

方案设计

之家数据库日志平台，可以分为应用层，日志采集层,缓存层,解析层，存储层，展示层，系统架构如图1。

图 1日志采集架构图

04

方案实施

通过之家二次开发的log-pilot日志采集工具，对数据库机器系统日志、DB错误日志、审计日志进行采集。采集的日志数据存入Kafka，为避免和其它业务日志相互影响， DBA采集申请了独立的KAFKA集群与Topic进行隔离。消费KAFKA数据采用Flink，对数据库日志数据进行处理，优化，精简，最终日志存入Elasticsearch。日志展示使用了开源的Kibana。即数据流为日志源文件→Log-pilot→Kafka→Flink→ELasticsearch→Kibana展示。

采集的数据库日志有错误日志，审计日志等，各种日志数据格式不统一，我们进行了日志规范化处理。其中审计日志支持json格式，DBA开发了Flink Api，Flink任务启动加载引用python包进行json数据处理赋值给ES索引字段。

另外为了高效运维管理数据库日志，做了如下工作：

  • 日志可视化配置管理: 开发了日志配置管理界面，可以对DB实例进行日志路径配置，日志采集启停。

  • 日志监控报警: 对ERROR或敏感数据审计日志,上报公司监控告警平台(AutoCMP)，对重要日志信息及时发现并通知到告警接收人。

05

平台展示

图 2数据库物理实例日志采集

图 3采集日志Dashboard展示

图 4数据库日志报警

06

展望

未来计划增加重点数据库的SQL日志采集，通过分析SQL对高危操作。比如：DROP/TRUNCATE,DELETE等SQL语句执行进行审计监控报警。对数据库中warning/error等问题进行分析治理，进一步提升数据库服务质量。