バージョン: 4.x

ログストレージと分析 | Doris Docs

ログは、システム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。運用におけるオブザーバビリティ、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に対応するため、企業は分散したログを収集し、一元化されたストレージ、クエリ、分析を行い、ログデータからさらに価値のあるコンテンツ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念頭に置いて、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、書き込みパフォーマンスとストレージスペースを極限まで最適化しました。これにより、ユーザーはApache Dorisをベースとしたオープンで高性能、費用対効果が高く、統合されたログストレージと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、この章には以下の3つのセクションが含まれています：

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と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と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をベースとしたログストレージと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と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：

ログ Storage and Analysis Platform built on Apache Doris

このアーキテクチャには以下の3つの部分が含まれています：

ログ収集と前処理：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。
ログストレージと分析エンジン：Apache Dorisは高性能で低コストな統合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と分析機能を提供します。
ログ分析とアラートインターフェース：様々なログ検索と分析ツールが標準SQLインターフェースを通じてApache Dorisにクエリを実行し、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します。

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と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、低レイテンシーのログ書き込み：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、レイテンシーを1秒以内に維持します。
大量ログデータの費用対効果の高いストレージ：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、コールドデータをS3/HDFSに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と分析：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てGrafanaなどのオブザーバビリティプラットフォーム、SupersetなどのBI分析、KibanaライクなDoris WebUIなどのログ検索などの様々な視覚的分析UIとの下流統合を実現します。

費用対効果の高いパフォーマンス

Benchmarkテストと本番環境での検証の結果、Apache Doris上に構築されたログストレージと分析プラットフォームは、Elasticsearchと比較して5から10倍の費用対効果の優位性を持っています。Apache Dorisのパフォーマンス上の利点は、主に世界最高レベルの高性能ストレージとクエリエンジン、および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の書き込みパフォーマンスのボトルネックは、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。これに対し、Apache Dorisは書き込みを2つの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パフォーマンスを向上させることと、前方向インデックスなどの不要なデータ構造を削除してログシナリオ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することです。同じリソースで、Apache Dorisの書き込みパフォーマンスはElasticsearchの3から5倍高くなります。
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、前方向インデックス、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。これに対し、Apache Dorisはストレージにおいて以下の最適化を行っています：前方向インデックスを削除して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て5から10倍の圧縮率を達成（Elasticsearchの1.5倍と比較して大幅に高い）、ログデータではコールドデータのアクセス頻度が非常に低いため、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。

強力な分析機能

Apache Dorisは標準SQLをサポートし、MySQLプロトコルと構文と互換性があります。そのため、Apache Doris上に構築されたログシステムはSQL使用してログ分析を行うことができ、ログシステムに以下の利点をもたらします：

使いやすさ：エンジニアとデータアナリストはSQLに非常に精通しており、彼ら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し適用できます。DorisはMySQLコマンドラインや様々な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と分析ニーズに対応できます。
強力な分析機能：SQLはデータベースとビッグデータ分析における事実上の標準となっており、検索、集計、複数TableJOIN、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機能をサポートする強力な表現力と機能を持っています。

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、すべてのログエントリに存在します。propertiesのネストされたフィールド、例えばproperties.sizeやproperties.formatはより動的で、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複数の面での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、およびインデックスの追加や削除を行い、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が必要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、ネイティブな半構造化データタイプ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、頻繁に発生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し、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検索を高速化できます。

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し、ログデータの反復的変更により適応します。
VARIANTは稀に発生するフィールドを自動的にカラムストアにマージして、過度のフィールド、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でき、インデックスも動的に追加や削除ができ、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します。

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。以下のステップに従ってください：

以下の計算式を使用して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 s
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

計算式を使用して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%を予約し、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サーバーの数を求めることができます。
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4〜12のデータディスクに割り当てると、単一のデータディスクに必要なストレージ容量を求めることができます。

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CPU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%を予約する場合、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、1TBの100GB SSDディスクを搭載。
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ディスクを搭載。
S3オブジェクトストレージ容量600TB

上記の例における指標の値とその計算方法については、以下の表を参照してください。

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てください。
データ圧縮比	5	実際のニーズに応じて値を指定してください。通常は3〜10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てください。1、2、または3にすることができます。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てください。
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てください。
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てください。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てください。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 s`
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`
データクエリ用に予約されるCPUリソースの割合	50%	実際のニーズに応じて値を指定してください。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 - データクエリ用に予約されるCPUリソースの割合）`
四捨五入された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性能を向上させるため、各BEサーバーに4〜12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およびBE設定の最適化

クラスターのデプロイが完了した後、ログストレージと分析のシナリオにより適合するように、フロントエンドとバックエンドの設定パラメーターをそれぞれ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。FE設定を最適化するには以下の表を参照してください。

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させます。
`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させます。
`enable_round_robin_create_tablet = true`	Tabletを作成する際、均等に分散するためのRound Robin戦略を使用します。
`tablet_rebalancer_type = partition`	Tabletのバランシング時、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のバケット不足を避けるため、自動バケット化の最小バケット数を1から10に増加させます。
`max_backend_heartbeat_failure_tolerance_count = 10`	ログシナリオでは、BEサーバーが高負荷により短時間のタイムアウトを経験する可能性があるため、許容回数を1から10に増加させます。

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。BE設定を最適化するには以下の表を参照してください。

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`	ファイルキャッシングを有効にします。
-	`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つのクエリでキャッシュパスから照会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操作を削減し、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させます。
-	`max_tablet_version_num = 20000`	Table作成のtime_series compaction戦略と連携して、より多くのバージョンを一時的に未マージのままにしておくことを可能にします。time_series_max_tablet_version_num設定があるため、バージョン3.0.7以降は不要
コンパクション	`max_cumu_compaction_threads = 8`	CPUコア数 / 4に設定し、CPUリソースの1/4を書き込み、1/4をバックグラウンドコンパクション、2/4をクエリやその他の操作に使用することを示します。
-	`inverted_index_compaction_enable = true`	コンパクション中のCPU消費を削減するため、転置インデックスコンパクションを有効にします。
-	`enable_segcompaction = false` `enable_ordered_data_compaction = false`	ログシナリオには不要な2つのコンパクション機能を無効にします。
-	`enable_compaction_priority_scheduling = false`	低優先度コンパクションは単一ディスクで2つのタスクに制限され、コンパクションの速度に影響す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、メモリタイムシリーズ戦略の下では、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ング効果により、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ングを最大1時間メモリ内に維持します。
-	`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用に計算スレッドとI/Oスレッドをコア数に比例して設定します。
-	`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に増加させます。
-	`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加速します。

詳細については、BE Configurationを参照してください。

ステップ4：Table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、Tableを対象設定で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：
- レンジパーティショニング（PARTITION BY RANGE(ts)）を有効にし、動的パーティション（"dynamic_partition.enable" = "true"）を日単位で自動管理します。
- 最新のNログエントリの高速検索のため、DATETIMEタイプ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。
- シングルタブレット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するため、Randomストラテジー（DISTRIBUTED BY RANDOM BUCKETS 60）を使用します。

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。

コンパクションパラメーターの設定

コンパクション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対して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、パーサーフィールドをunicodeとして指定し、これは大部分の要件を満たします。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に設定します。必要がない場合は、ストレージ容量を削減するためfalseに設定します。

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）。ここで、データは3日後にクール化され、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

Table作成を完了した後、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、これらを通じてLogstash、Filebeat、Kafkaなどの人気の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：
- 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て、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：データ書き込み性能を向上させるため、Logstashの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: 収集された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 出力プラグインの詳細については、Logstash Doris 出力プラグイン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。ここを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する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 出力プラグイン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からアクティブにデータを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可能です。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、コマンド echo -n 'username:password' | base64 を使って計算します。
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。
クライアント側では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、ログクエリのための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5つの一般的なSQLクエリコマンドを以下に示します：

最新の10件のログエントリを表示する

SELECT * FROM your_table_name ORDER BY ts DESC LIMIT 10;

host が 8.8.8.8 の最新の10件のログエントリを取得する

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 がフィールド内の任意のキーワードをマッチングするために使用する全文検索 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に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が使用するフルテキスト検索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;

ログの視覚的な分析

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、これにはKibana Discoverに似たログ検索・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

全文検索と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範囲の選択サポート
詳細なログ情報の表示、JSONやTableへの展開が可能
ログデータコンテキスト内でフィルター条件を追加・削除するインタラクティブなクリック操作
検索結果における上位フィールド値の表示により、異常の発見とさらなる詳細分析のためのドリルダウンが可能

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​

費用対効果の高いパフォーマンス​

強力な分析機能​

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およびBE設定の最適化​

ステップ4：Table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​