ログストレージと分析

ログは、システム内の主要なイベントを記録し、イベントの主体、時刻、場所、内容などの重要な情報を含んでいます。運用における可観測性、ネットワークセキュリティ監視、ビジネス分析の多様なニーズを満たすために、企業は分散したログを収集して集中的に保存、クエリ、分析し、ログデータからさらに価値のある内容を抽出する必要がある場合があります。

このシナリオにおいて、Apache Dorisは対応するソリューションを提供します。ログシナリオの特性を考慮して、Apache Dorisは転置インデックスと超高速全文検索機能を追加し、書き込み性能とストレージ容量を極限まで最適化しました。これにより、ユーザーはApache Dorisをベースにした、オープンで高性能、コスト効果が高く、統一されたログストレージおよび分析プラットフォームを構築できます。

このソリューションに焦点を当てて、この章では以下の3つのセクションを含みます：

全体アーキテクチャ: このセクションでは、Apache Doris上に構築されたログストレージおよび分析プラットフォームのコアコンポーネントとアーキテクチャについて説明します。
機能と利点: このセクションでは、Apache Doris上に構築されたログストレージおよび分析プラットフォームの機能と利点について説明します。
運用ガイド: このセクションでは、Apache Dorisをベースにしたログストレージおよび分析プラットフォームの構築方法について説明します。

全体アーキテクチャ

以下の図は、Apache Doris上に構築されたログストレージおよび分析プラットフォームのアーキテクチャを示しています：

log storage and analysis platform architecture

このアーキテクチャには以下の3つの部分が含まれます：

ログ収集および前処理: 様々なログ収集ツールが、HTTP APIを通じてApache Dorisにログデータを書き込むことができます。
ログストレージおよび分析エンジン: Apache Dorisは高性能で低コストの統一ログストレージを提供し、SQLインターフェースを通じて豊富な検索および分析機能を提供します。
ログ分析およびアラートインターフェース: 様々なログ検索および分析ツールが、標準SQLインターフェースを通じてApache Dorisをクエリし、ユーザーにシンプルで使いやすいインターフェースを提供できます。

機能と利点

以下の図は、Apache Doris上に構築されたログストレージおよび分析プラットフォームのアーキテクチャを示しています：

高スループット、低レイテンシのログ書き込み: 1日あたり数百TBおよびGB/sレベルのログデータの安定した書き込みをサポートし、レイテンシを1秒以内に維持します。
大量ログデータのコスト効果的なストレージ: ペタバイトスケールのストレージをサポートし、Elasticsearchと比較してストレージコストを60％から80％削減し、S3/HDFSにコールドデータを保存することでストレージコストをさらに50％削減します。
高性能ログ全文検索および分析: 転置インデックスと全文検索をサポートし、一般的なログクエリ（キーワード検索、トレンド分析など）に対して秒レベルの応答時間を提供します。
オープンで使いやすい上流・下流エコシステム: Stream Loadの汎用HTTP APIを通じて、Logstash、Filebeat、Fluentbit、Kafkaなどの一般的なログ収集システムやデータソースとの上流統合、および標準MySQLプロトコルと構文を使用した様々な視覚的分析UIとの下流統合（可観測性プラットフォームGrafana、BI分析Superset、Kibanaに類似したログ検索Doris WebUIなど）。

コスト効果的な性能

Benchmarkテストと本番検証の結果、Apache Doris上に構築されたログストレージおよび分析プラットフォームは、Elasticsearchと比較して5から10倍のコストパフォーマンス上の優位性を持っています。Apache Dorisの性能上の利点は、主に世界をリードする高性能ストレージおよびクエリエンジン、ならびにログシナリオに特化した最適化によるものです：

書き込みスループットの向上: Elasticsearchの書き込み性能のボトルネックは、データ解析と転置インデックス構築のCPU消費にあります。それに対して、Apache Dorisは書き込みを2つの側面で最適化しています：SIMDやその他のCPUベクトル命令を使用してJSONデータ解析速度とインデックス構築性能を向上させ、順方向インデックスなどの不要なデータ構造を削除することでログシナリオ用の転置インデックス構造を簡素化し、インデックス構築の複雑さを効果的に削減しています。同じリソースで、Apache Dorisの書き込み性能はElasticsearchの3から5倍高くなっています。
ストレージコストの削減: Elasticsearchのストレージボトルネックは、順方向インデックス、転置インデックス、Docvalue列の複数のストレージフォーマット、および汎用圧縮アルゴリズムの比較的低い圧縮率にあります。それに対して、Apache Dorisはストレージで以下の最適化を行っています：順方向インデックスを削除し、インデックスデータサイズを30％削減；列指向ストレージとZstandard圧縮アルゴリズムを使用し、5から10倍の圧縮率を実現（Elasticsearchの1.5倍と比較して大幅に高い）；ログデータにおいて、コールドデータへのアクセス頻度は非常に低く、Apache Dorisのホット・コールドデータ階層化機能により、定義された期間を超えたログを自動的により低コストなオブジェクトストレージに保存し、コールドデータのストレージコストを70％以上削減できます。同じ生データに対して、DorisのストレージコストはElasticsearchの約20％に過ぎません。

強力な分析能力

Apache Dorisは標準SQLをサポートし、MySQLプロトコルおよび構文と互換性があります。したがって、Apache Doris上に構築されたログシステムは、ログ分析にSQLを使用でき、ログシステムに以下の利点をもたらします：

使いやすさ: エンジニアやデータアナリストはSQLに非常に慣れ親しんでおり、その専門知識を再利用でき、新しい技術スタックを学ぶ必要がなく、迅速に開始できます。
豊富なエコシステム: MySQLエコシステムはデータベース分野で最も広く使用されている言語であり、MySQLエコシステムとシームレスに統合・適用されます。DorisはMySQLコマンドラインおよび様々なGUIツール、BIツール、その他のビッグデータエコシステムツールを活用して、より複雑で多様なデータ処理および分析ニーズに対応できます。
強力な分析能力: SQLはデータベースおよびビッグデータ分析のデファクトスタンダードとなっており、強力な表現能力と、検索、集約、複数テーブルJOIN、サブクエリ、UDF、論理ビュー、マテリアライズドビュー、および様々なデータ分析能力をサポートする機能を備えています。

柔軟なSchema

以下は、JSON形式の半構造化ログの典型的な例です。トップレベルのフィールドは、timestamp、source、node、component、level、clientRequestID、message、propertiesなどの固定フィールドであり、すべてのログエントリに存在します。propertiesのネストしたフィールド（properties.sizeやproperties.formatなど）はより動的であり、各ログのフィールドは異なる場合があります。

{  
  "timestamp": "2014-03-08T00:50:03.8432810Z",
  "source": "ADOPTIONCUSTOMERS81",
  "node": "Engine000000000405",
  "level": "Information",
  "component": "DOWNLOADER",
  "clientRequestId": "671db15d-abad-94f6-dd93-b3a2e6000672",
  "message": "Downloading file path: benchmark/2014/ADOPTIONCUSTOMERS81_94_0.parquet.gz",
  "properties": {
    "size": 1495636750,
    "format": "parquet",
    "rowCount": 855138,
    "downloadDuration": "00:01:58.3520561"
  }
}

Apache Dorisは、Flexible Schemaログデータに対して以下の側面でサポートを提供します：

トップレベルフィールドの変更については、Light Schema Changeを使用してカラムの追加や削除、インデックスの追加や削除を行うことができ、スキーマ変更を数秒で完了できます。ログプラットフォームを計画する際、ユーザーはどのフィールドにインデックスを付ける必要があるかを考慮するだけで済みます。
propertiesのような拡張フィールドについては、ネイティブの半構造化データ型VARIANTが提供されており、任意のJSONデータを書き込み、JSON内のフィールド名と型を自動認識し、頻繁に出現するフィールドを自動的に分割してカラムナーストレージに格納することで、後続の分析を可能にします。さらに、VARIANTは転置インデックスを作成して内部フィールドのクエリと取得を高速化できます。

ElasticsearchのDynamic Mappingと比較して、Apache DorisのFlexible Schemaには以下の利点があります：

フィールドが複数の型を持つことを許可し、VARIANTはフィールドの競合と型昇格を自動的に処理するため、ログデータの反復的変更により良く適応します。
VARIANTは頻度の低いフィールドを自動的にカラムストアにマージして、過剰なフィールド、メタデータ、またはカラムによるパフォーマンスの問題を回避します。
カラムを動的に追加できるだけでなく、動的に削除することも可能で、インデックスも動的に追加または削除でき、Elasticsearchのように最初からすべてのフィールドにインデックスを付ける必要がなく、不要なコストを削減できます。

運用ガイド

ステップ1：リソースの見積もり

クラスターをデプロイする前に、サーバーに必要なハードウェアリソースを見積もる必要があります。以下の手順に従ってください：

以下の計算式でデータ書き込みのリソースを見積もります：

平均書き込みスループット = 日次データ増分 / 86400秒
ピーク書き込みスループット = 平均書き込みスループット \* ピーク書き込みスループットと平均書き込みスループットの比率
ピーク書き込みスループットのCPUコア数 = ピーク書き込みスループット / シングルコアCPUの書き込みスループット

計算式でデータストレージのリソースを見積もります：ストレージ容量 = 日次データ増分 / データ圧縮比 * データコピー数 * データ保存期間。
データクエリのリソースを見積もります。データクエリのリソースは、クエリの量と複雑さに依存します。最初はデータクエリ用にCPUリソースの50%を確保し、実際のテスト結果に応じて調整することを推奨します。
計算結果を以下のように統合します：
1. ステップ1とステップ3で計算されたCPUコア数をBEサーバーのCPUコア数で割ると、BEサーバーの数を取得できます。
2. BEサーバー数とステップ2の計算結果に基づいて、各BEサーバーに必要なストレージ容量を見積もります。
3. 各BEサーバーに必要なストレージ容量を4から12のデータディスクに割り当てると、単一データディスクに必要なストレージ容量を取得できます。

例えば、日次データ増分が100TB、データ圧縮比が5、データコピー数が1、ホットデータの保存期間が3日、コールドデータの保存期間が30日、ピーク書き込みスループットと平均書き込みスループットの比率が200%、シングルコアCUPの書き込みスループットが10MB/s、データクエリ用にCPUリソースの50%を確保する場合、以下のように見積もることができます：

3台のFEサーバーが必要で、それぞれ16コアCPU、64GBメモリ、1,100GB SSDディスクで構成されます。
15台のBEサーバーが必要で、それぞれ32コアCPU、256GBメモリ、10台の600GB SSDディスクで構成されます。
S3オブジェクトストレージ容量600TB

以下の表を参照して、上記の例における指標の値とその計算方法を確認してください。

指標（単位）	値	説明
日次データ増分（TB）	100	実際のニーズに応じて値を指定します。
データ圧縮比	5	実際のニーズに応じて値を指定します。通常3から10の間です。データにはインデックスデータが含まれることに注意してください。
データコピー数	1	実際のニーズに応じて値を指定します。1、2、または3にできます。デフォルト値は1です。
ホットデータの保存期間（日）	3	実際のニーズに応じて値を指定します。
コールドデータの保存期間（日）	30	実際のニーズに応じて値を指定します。
データ保存期間	33	計算式：`ホットデータの保存期間 + コールドデータの保存期間`
ホットデータの推定ストレージ容量（TB）	60	計算式：`日次データ増分 / データ圧縮比 * データコピー数 * ホットデータの保存期間`
コールドデータの推定ストレージ容量（TB）	600	計算式：`日次データ増分 / データ圧縮比 * データコピー数 * コールドデータの保存期間`
ピーク書き込みスループットと平均書き込みスループットの比率	200%	実際のニーズに応じて値を指定します。デフォルト値は200%です。
BEサーバーのCPUコア数	32	実際のニーズに応じて値を指定します。デフォルト値は32です。
平均書き込みスループット（MB/s）	1214	計算式：`日次データ増分 / 86400秒`
ピーク書き込みスループット（MB/s）	2427	計算式：`平均書き込みスループット * ピーク書き込みスループットと平均書き込みスループットの比率`
ピーク書き込みスループットのCPUコア数	242.7	計算式：`ピーク書き込みスループット / シングルコアCPUの書き込みスループット`
データクエリ用に確保するCPUリソースの割合	50%	実際のニーズに応じて値を指定します。デフォルト値は50%です。
BEサーバーの推定数	15.2	計算式：`ピーク書き込みスループットのCPUコア数 / BEサーバーのCPUコア数 /(1 - データクエリ用に確保するCPUリソースの割合)`
丸めたBEサーバー数	15	計算式：`MAX（データコピー数、BEサーバーの推定数）`
各BEサーバーの推定データストレージ容量（TB）	5.7	計算式：`ホットデータの推定ストレージ容量 / BEサーバーの推定数 /(1 - 30%)`。ここで30%は予約ストレージ容量の割合を表します。 I/O能力を向上させるため、各BEサーバーに4から12のデータディスクをマウントすることを推奨します。

ステップ2：クラスターのデプロイ

リソースを見積もった後、クラスターをデプロイする必要があります。物理環境と仮想環境の両方で手動でデプロイすることを推奨します。手動デプロイについては、Manual Deploymentを参照してください。

ステップ3：FEとBE設定の最適化

クラスターのデプロイが完了した後、ログの保存と分析のシナリオにより適するように、フロントエンドとバックエンドの両方の設定パラメーターを別々に最適化する必要があります。

FE設定の最適化

FE設定フィールドはfe/conf/fe.confで確認できます。以下の表を参照してFE設定を最適化してください。

最適化する設定フィールド	説明
`max_running_txn_num_per_db = 10000`	高並行性のインポートトランザクションに適応するため、パラメーター値を増加します。
`streaming_label_keep_max_second = 3600` `label_keep_max_second = 7200`	高メモリ使用量を伴う高頻度インポートトランザクションを処理するため、保持時間を増加します。
`enable_round_robin_create_tablet = true`	Tabletを作成する際、均等に分散するためRound Robin戦略を使用します。
`tablet_rebalancer_type = partition`	Tabletをバランシングする際、各パーティション内で均等に分散する戦略を使用します。
`autobucket_min_buckets = 10`	ログ量が増加した際にバケットが不足することを避けるため、自動バケットの最小バケット数を1から10に増加します。
`max_backend_heartbeat_failure_tolerance_count = 10`	ログシナリオでは、BEサーバーが高負荷を経験し、短期間のタイムアウトが発生する可能性があるため、許容カウントを1から10に増加します。

詳細については、FE Configurationを参照してください。

BE設定の最適化

BE設定フィールドはbe/conf/be.confで確認できます。以下の表を参照してBE設定を最適化してください。

モジュール	最適化する設定フィールド	説明
Storage	`storage_root_path = /path/to/dir1;/path/to/dir2;...;/path/to/dir12`	ディスクディレクトリ上のホットデータのストレージパスを設定します。
-	`enable_file_cache = true`	ファイルキャッシュを有効にします。
-	`file_cache_path = [{"path": "/mnt/datadisk0/file_cache", "total_size":53687091200, "query_limit": "10737418240"},{"path": "/mnt/datadisk1/file_cache", "total_size":53687091200,"query_limit": "10737418240"}]`	コールドデータのキャッシュパスと関連設定を以下の具体的な設定で構成します： `path`: キャッシュパス `total_size`: キャッシュパスの総サイズ（バイト）。53687091200バイトは50GBに相当 `query_limit`: 1回のクエリでキャッシュパスから検索できるデータの最大量（バイト）。10737418240バイトは10GBに相当
Write	`write_buffer_size = 1073741824`	小さなファイルとランダムI/O操作を減らし、パフォーマンスを向上させるため、書き込みバッファーのファイルサイズを増加します。
Compaction	`max_cumu_compaction_threads = 8`	CPUコア数 / 4に設定。CPUリソースの1/4を書き込み用、1/4をバックグラウンドcompaction用、2/1をクエリとその他の操作用に使用することを示します。
-	`inverted_index_compaction_enable = true`	compaction中のCPU消費を削減するため、転置インデックスcompactionを有効にします。
-	`enable_segcompaction = false` `enable_ordered_data_compaction = false`	ログシナリオには不要な2つのcompaction機能を無効にします。
-	`enable_compaction_priority_scheduling = false`	低優先度compactionは単一ディスクで2タスクに制限され、compactionの速度に影響を与える可能性があります。
-	`total_permits_for_compaction_score = 200000`	このパラメーターはメモリを制御するために使用され、メモリ時系列戦略下では、パラメーター自体がメモリを制御できます。
Cache	`disable_storage_page_cache = true` `inverted_index_searcher_cache_limit = 30%`	ログデータの大容量と限定的なキャッシュ効果により、データキャッシングからインデックスキャッシングに切り替えます。
-	`inverted_index_cache_stale_sweep_time_sec = 3600` `index_cache_entry_stay_time_after_lookup_s = 3600`	インデックスキャッシュをメモリに最大1時間保持します。
-	`enable_inverted_index_cache_on_cooldown = true` `enable_write_index_searcher_cache = false`	インデックスアップロード中にコールドデータストレージの自動キャッシングを有効にします。
-	`tablet_schema_cache_recycle_interval = 3600` `segment_cache_capacity = 20000`	他のキャッシュによるメモリ使用量を削減します。
-	`inverted_index_ram_dir_enable = true`	インデックスファイルへの一時的な書き込みによるIOオーバーヘッドを削減します。
Thread	`pipeline_executor_size = 24` `doris_scanner_thread_pool_thread_num = 48`	32コアCPU用の計算スレッドとI/Oスレッドをコア数の比例で設定します。
-	`scan_thread_nice_value = 5`	書き込みパフォーマンスと適時性を確保するため、クエリI/Oスレッドの優先度を下げます。
Other	`string_type_length_soft_limit_bytes = 10485760`	文字列型データの長さ制限を10MBに増加します。
-	`trash_file_expire_time_sec = 300` `path_gc_check_interval_second = 900` `path_scan_interval_second = 900`	ゴミファイルのリサイクルを高速化します。

詳細については、BE Configurationを参照してください。

ステップ4：テーブルの作成

ログデータの書き込みとクエリの両方の明確な特性により、パフォーマンスを向上させるためにターゲットを絞った設定でテーブルを構成することを推奨します。

データパーティショニングとバケッティングの設定

データパーティショニングについて：
- 動的パーティション（"dynamic_partition.enable" = "true"）で日単位で自動管理される範囲パーティショニング（PARTITION BY RANGE(ts)）を有効にします。
- 最新のNログエントリの高速取得のため、DATETIME型のフィールドをキー（DUPLICATE KEY(ts)）として使用します。
データバケッティングについて：
- バケット数をクラスター内の総ディスク数の約3倍に設定し、各バケットが圧縮後約5GBのデータを含むようにします。
- Random戦略（DISTRIBUTED BY RANDOM BUCKETS 60）を使用して、単一tabletインポートと組み合わせてバッチ書き込み効率を最適化します。

詳細については、Data Partitioningを参照してください。

圧縮パラメーターの設定

データ圧縮効率を向上させるため、zstd圧縮アルゴリズム（"compression" = "zstd"）を使用します。

compactionパラメーターの設定

compactionフィールドを以下のように設定します：

高スループットログ書き込みに重要な書き込み増幅を削減するため、time_series戦略（"compaction_policy" = "time_series"）を使用します。

インデックスパラメーターの設定

インデックスフィールドを以下のように設定します：

頻繁にクエリされるフィールドにインデックスを作成します（USING INVERTED）。
全文検索が必要なフィールドについては、ほとんどの要件を満たすparserフィールドをunicodeに指定します。フレーズクエリをサポートする必要がある場合は、support_phraseフィールドをtrueに設定し、不要な場合はfalseに設定してストレージ容量を削減します。

ストレージパラメーターの設定

ストレージポリシーを以下のように設定します：

ホットデータのストレージについて、クラウドストレージを使用する場合はデータコピー数を1に設定し、物理ディスクを使用する場合はデータコピー数を少なくとも2に設定します（"replication_num" = "2"）。
log_s3のストレージ場所を設定し（CREATE RESOURCE "log_s3"）、log_policy_3dayポリシーを設定します（CREATE STORAGE POLICY log_policy_3day）。データは3日後にcoolingされ、log_s3の指定されたストレージ場所に移動されます。以下のコードを参照してください。

CREATE DATABASE log_db;
USE log_db;

CREATE RESOURCE "log_s3"
PROPERTIES
(
    "type" = "s3",
    "s3.endpoint" = "your_endpoint_url",
    "s3.region" = "your_region",
    "s3.bucket" = "your_bucket",
    "s3.root.path" = "your_path",
    "s3.access_key" = "your_ak",
    "s3.secret_key" = "your_sk"
);

CREATE STORAGE POLICY log_policy_3day
PROPERTIES(
    "storage_resource" = "log_s3",
    "cooldown_ttl" = "259200"
);

CREATE TABLE log_table
(
  `ts` DATETIME,
  `host` TEXT,
  `path` TEXT,
  `message` TEXT,
  INDEX idx_host (`host`) USING INVERTED,
  INDEX idx_path (`path`) USING INVERTED,
  INDEX idx_message (`message`) USING INVERTED PROPERTIES("parser" = "unicode", "support_phrase" = "true")
)
ENGINE = OLAP
DUPLICATE KEY(`ts`)
PARTITION BY RANGE(`ts`) ()
DISTRIBUTED BY RANDOM BUCKETS 60
PROPERTIES (
  "compression" = "zstd",
  "compaction_policy" = "time_series",
  "dynamic_partition.enable" = "true",
  "dynamic_partition.create_history_partition" = "true",
  "dynamic_partition.time_unit" = "DAY",
  "dynamic_partition.start" = "-30",
  "dynamic_partition.end" = "1",
  "dynamic_partition.prefix" = "p",
  "dynamic_partition.buckets" = "60",
  "dynamic_partition.replication_num" = "2", -- unneccessary for the compute-storage coupled mode
  "replication_num" = "2", -- unneccessary for the compute-storage coupled mode
  "storage_policy" = "log_policy_3day" -- unneccessary for the compute-storage coupled mode
);

ステップ5: ログの収集

テーブル作成が完了したら、ログ収集に進むことができます。

Apache Dorisは、オープンで汎用性の高いStream HTTP APIを提供しており、これを通じてLogstash、Filebeat、Kafkaなどの一般的なログコレクターと接続してログ収集作業を実行できます。このセクションでは、Stream HTTP APIを使用してこれらのログコレクターを統合する方法について説明します。

Logstashの統合

以下の手順に従ってください：

Logstash Doris Outputプラグインをダウンロードしてインストールします。以下の2つの方法のいずれかを選択できます：
- ここをクリックしてダウンロードしてインストールします。
- ソースコードからコンパイルし、以下のコマンドを実行してインストールします：

./bin/logstash-plugin install logstash-output-doris-1.2.0.gem

Logstashを設定します。以下のフィールドを指定してください：

logstash.yml：データ書き込みパフォーマンスを向上させるため、Logstashバッチ処理ログサイズとタイミングを設定するために使用されます。

pipeline.batch.size: 1000000  
pipeline.batch.delay: 10000

logstash_demo.conf: 収集されるログの特定の入力パスとApache Dorisへの出力設定を構成するために使用されます。

input {  
    file {  
    path => "/path/to/your/log"  
  }  
}  

output {  
  doris {  
    http_hosts => [ "<http://fehost1:http_port>", "<http://fehost2:http_port>", "<http://fehost3:http_port">]  
    user => "your_username"  
    password => "your_password"  
    db => "your_db"  
    table => "your_table"  
    
    # doris stream load http headers  
    headers => {  
    "format" => "json"  
    "read_json_by_line" => "true"  
    "load_to_single_tablet" => "true"  
    }  
    
    # field mapping: doris fileld name => logstash field name  
    # %{} to get a logstash field, [] for nested field such as [host][name] for host.name  
    mapping => {  
    "ts" => "%{@timestamp}"  
    "host" => "%{[host][name]}"  
    "path" => "%{[log][file][path]}"  
    "message" => "%{message}"  
    }  
    log_request => true  
    log_speed_interval => 10  
  }  
}
    ```
3. 以下のコマンドに従ってLogstashを実行し、ログを収集してApache Dorisに出力します。

```shell  
./bin/logstash -f logstash_demo.conf

Logstash Doris Output pluginの詳細については、Logstash Doris Output Pluginを参照してください。

Filebeatの統合

以下の手順に従ってください：

Apache Dorisへの出力をサポートするFilebeatバイナリファイルを取得します。クリックしてダウンロードするか、Apache Dorisのソースコードからコンパイルできます。
Filebeatを設定します。収集するログの具体的な入力パスとApache Dorisへの出力設定を構成するために使用されるfilebeat_demo.ymlフィールドを指定します。

# input
filebeat.inputs:
- type: log
enabled: true
paths:
    - /path/to/your/log
multiline:
    type: pattern
    pattern: '^[0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]{2}:[0-9]{2}:[0-9]{2}'
    negate: true
    match: after
    skip_newline: true

processors:
- script:
    lang: javascript
    source: >
        function process(event) {
            var msg = event.Get("message");
            msg = msg.replace(/\t/g, "  ");
            event.Put("message", msg);
        }
- dissect:
    # 2024-06-08 18:26:25,481 INFO (report-thread|199) [ReportHandler.cpuReport():617] begin to handle
    tokenizer: "%{day} %{time} %{log_level} (%{thread}) [%{position}] %{content}"
    target_prefix: ""
    ignore_failure: true
    overwrite_keys: true

# queue and batch
queue.mem:
events: 1000000
flush.min_events: 100000
flush.timeout: 10s

# output
output.doris:
fenodes: [ "http://fehost1:http_port", "http://fehost2:http_port", "http://fehost3:http_port" ]
user: "your_username"
password: "your_password"
database: "your_db"
table: "your_table"
# output string format
codec_format_string: '{"ts": "%{[day]} %{[time]}", "host": "%{[agent][hostname]}", "path": "%{[log][file][path]}", "message": "%{[message]}"}'
headers:
    format: "json"
    read_json_by_line: "true"
    load_to_single_tablet: "true"

以下のコマンドに従ってFilebeatを実行し、ログを収集してApache Dorisに出力します。
```
chmod +x filebeat-doris-2.1.1  
./filebeat-doris-2.1.1 -c filebeat_demo.yml
```

Filebeatの詳細については、Beats Doris Output Pluginを参照してください。

Kafkaの統合

JSON形式のログをKafkaのメッセージキューに書き込み、Kafka Routine Loadを作成し、Apache DorisがKafkaからデータを能動的に取得できるようにします。

以下の例を参照してください。ここでproperty.*はLibrdkafkaクライアント関連の設定を表しており、実際のKafkaクラスターの状況に応じて調整する必要があります。

CREATE ROUTINE LOAD load_log_kafka ON log_db.log_table  
COLUMNS(ts, clientip, request, status, size)  
PROPERTIES (
"max_batch_interval" = "60",
"max_batch_rows" = "20000000",
"max_batch_size" = "1073741824", 
"load_to_single_tablet" = "true",
"format" = "json"
)
FROM KAFKA (  
"kafka_broker_list" = "host:port",  
"kafka_topic" = "log__topic_",  
"property.group.id" = "your_group_id",  
"property.security.protocol"="SASL_PLAINTEXT",  
"property.sasl.mechanism"="GSSAPI",  
"property.sasl.kerberos.service.name"="kafka",  
"property.sasl.kerberos.keytab"="/path/to/xxx.keytab",  
"property.sasl.kerberos.principal"="<xxx@yyy.com>"  
);  
<br />SHOW ROUTINE LOAD;

Kafkaの詳細については、Routine Loadを参照してください。

カスタマイズされたプログラムを使用したログの収集

一般的なログコレクターとの統合に加えて、Stream Load HTTP APIを使用してApache Dorisにログデータをインポートするプログラムをカスタマイズすることもできます。以下のコードを参照してください：

curl   
--location-trusted   
-u username:password   
-H "format:json"   
-H "read_json_by_line:true"   
-H "load_to_single_tablet:true"   
-H "timeout:600"   
-T logfile.json   
http://fe_host:fe_http_port/api/log_db/log_table/_stream_load

カスタムプログラムを使用する際は、以下の重要なポイントに注意してください：

HTTP認証にはBasic Authを使用し、echo -n 'username:password' | base64コマンドを使用して計算します。
HTTPヘッダー"format:json"を設定してデータフォーマットをJSONとして指定します。
HTTPヘッダー"read_json_by_line:true"を設定して1行につき1つのJSONを指定します。
HTTPヘッダー"load_to_single_tablet:true"を設定して、小さなファイルのインポートを減らすため一度に1つのバケットにデータをインポートします。
クライアント側で100MBから1GBの間のサイズのバッチを書き込むことを推奨します。Apache Dorisバージョン2.1以降では、Group Commit機能を通じてクライアント側でバッチサイズを削減する必要があります。

ステップ6：ログのクエリと分析

ログのクエリ

Apache Dorisは標準SQLをサポートしているため、MySQLクライアントまたはJDBCを通じてクラスターに接続し、ログクエリ用のSQLを実行できます。

mysql -h fe_host -P fe_mysql_port -u your_username -Dyour_db_name

参考用の一般的なSQLクエリコマンド5つを以下に示します：

最新の10件のログエントリを表示

SELECT * FROM your_table_name ORDER BY ts DESC LIMIT 10;

ホストが8.8.8.8の最新10件のログエントリを照会する

SELECT * FROM your_table_name WHERE host = '8.8.8.8' ORDER BY ts DESC LIMIT 10;

request フィールドに error または 404 を含む最新の 10 件のログエントリを取得します。以下のコマンドでは、MATCH_ANY は Apache Doris でフィールド内の任意のキーワードにマッチングするために使用される全文検索 SQL 構文です。

SELECT * FROM your_table_name WHERE message **MATCH_ANY** 'error 404'  
ORDER BY ts DESC LIMIT 10;

リクエストフィールドにimageとfaqを含む最新の10件のログエントリを取得します。以下のコマンドでは、MATCH_ALLはApache Dorisで使用される全文検索SQL構文で、フィールド内のすべてのキーワードにマッチするために使用されます。

SELECT * FROM your_table_name WHERE message **MATCH_ALL** 'image faq'  
ORDER BY ts DESC LIMIT 10;

リクエストフィールドでimageとfaqを含む最新の10件のエントリを取得します。以下のコマンドでは、MATCH_PHRASEはApache Dorisで使用される全文検索SQL構文で、フィールド内のすべてのキーワードをマッチングし、一貫した順序を要求します。以下の例では、a image faq bはマッチしますが、a faq image bはimageとfaqの順序が構文とマッチしないためマッチしません。

SELECT * FROM your_table_name WHERE message **MATCH_PHRASE** 'image faq'  
ORDER BY ts DESC LIMIT 10;

ログを視覚的に分析

一部のサードパーティベンダーは、Apache Dorisをベースとした視覚的ログ分析開発プラットフォームを提供しており、Kibana Discoverに類似したログ検索・分析インターフェースが含まれています。これらのプラットフォームは、直感的でユーザーフレンドリーな探索的ログ分析インタラクションを提供します。

WebUI-a log search and analysis interface similar to Kibana

全文検索およびSQLモードのサポート
タイムボックスとヒストグラムによるクエリログ時間枠選択のサポート
詳細なログ情報の表示、JSONやテーブルへの展開が可能
ログデータコンテキストでのフィルター条件の追加・削除のインタラクティブクリック
異常を発見し、さらなる詳細分析のための検索結果内のトップフィールド値の表示

詳細については、dev@doris.apache.orgまでお問い合わせください。

全体アーキテクチャ​

機能と利点​

コスト効果的な性能​

強力な分析能力​

柔軟なSchema​

運用ガイド​

ステップ1：リソースの見積もり​

ステップ2：クラスターのデプロイ​

ステップ3：FEとBE設定の最適化​

ステップ4：テーブルの作成​

ステップ5: ログの収集​

ステップ6：ログのクエリと分析​