消费kafka内日志数据

1、 使用logstash 消费kafka内采集的数据

数据来源：

https://www.elastic.co/guide/en/logstash/current/plugins-inputs-kafka.html

数据输出

https://www.elastic.co/guide/en/logstash/current/plugins-outputs-file.html

https://www.elastic.co/guide/en/logstash/current/plugins-outputs-elasticsearch.html#plugins-outputs-elasticsearch-sniffing_path

数据过滤：

https://www.elastic.co/guide/en/logstash/current/plugins-filters-grok.html

Grok 匹配选项

https://github.com/logstash-plugins/logstash-patterns-core/blob/main/patterns/ecs-v1/grok-patterns

Logstash 脚本示例 https://blog.youkuaiyun.com/Q748893892/article/details/101349888

# 输入数据源，配置上 kakfa 连接设置
input {
    kafka {
         bootstrap_servers => ["10.11.12.13:10193","10.11.12.17:10193"]
         client_id => "test"
#         auto_offset_reset => "latest"
         topics => ["test_log_caoke"]
         consumer_threads => 5
         group_id => 'logstash'
    }
}
# 过滤规则，通过 filebeat ，写入 kafka ，在通过logstash消费时，冗余的字段
filter {
                # 1.把当前消息中的 message 字段提取出来，作为一个新的消息体
        json {
               source => "message"
        }
        # 2.把1中生成的新消息体，去掉下面的字段
        mutate {
                remove_field => ["@version","@timestamp","fields"]
        }
        # 3.此时就剩下message 一个字段，对此字段进行拆分，以 & 分开，然后以 = ，组成 kv 格式
        kv {
               source => "message"
               field_split => "&?"
        }
        # 4. 移除掉原始的 message 字段
        mutate {
                remove_field => ["message"]
        }
        # 5.判断 content 字段是否存在，不存在删除
        if ![content] {
                drop {}
        }
        # 6.对content 进行url解码
        urldecode {
                field => "content"
        }
        # 7. 对content进行json格式化，并且赋值给content
        json {
                source => "content"
                target => "content"
        }

}
# 写入到elasticsearch中
output {
   elasticsearch {
         hosts => ["elasticsearch.com:80"]         # 不加端口号，会默认给一个
         index =>  "test_log_caoke_200190924" # 索引名称，不加 document_type 会默认创建一个叫 doc 的type
    }
    stdout {
        codec => rubydebug
    }
    file {
        path => "/your/log/path/logstash-%{+yyyy-MM-dd-HH}.log" # 使用 Logstash 内置日期格式，每小时轮换日志文件
        codec => line { format => "%{message}" }
    }
}

2、go语言实现kafka 消费者

https://www.alibabacloud.com/help/zh/sls/user-guide/use-sarama-kafka-go-to-achieve-kafka-consumption

3、python kafak消费

"""
读取 kafka 的用户操作数据并打印
"""
from kafka import KafkaConsumer

topic = 'test1'
bootstrap_servers = ['localhost:9092']
group_id = 'group7'

consumer = KafkaConsumer(
    topic,  # topic的名称
    #group_id=group_id,  # 指定此消费者实例属于的组名，可以不指定
    bootstrap_servers=bootstrap_servers,  # 指定kafka服务器
    auto_offset_reset='latest',  # 'smallest': 'earliest', 'largest': 'latest'
)

for msg in consumer:
    print(msg.value.decode('utf-8').encode('utf-8').decode('unicode_escape'))

4、Flink 消费kafka

16. [Flink]自定义序列化消费Kafka数据 ‒ Code-Cookbook 0.2 文档