系統分析－danielhuang030 的研究日誌

Logstash

/var/log/named:/var/log/named

sudo vi ~/docker-elk/logstash/pipeline/bind.conf

input {
    file {
        type => "BIND_DNS"
        path => [ "/var/log/named/query.log" ]
        start_position => "beginning"
    }
}

filter {
    if [type] == "BIND_DNS" {
        grok {
            match => ["message", "(?%{MONTHDAY}[-]%{MONTH}[-]%{YEAR} %{TIME}) client %{IPV4:clientip}#%{POSINT:clientport} \(%{GREEDYDATA:query1}\): query: %{GREEDYDATA:query2} IN %{GREEDYDATA:querytype} \(%{IPV4:dns}\)"]
        }
        date {
            match => ["logdate", "dd-MMM-yyyy HH:mm:ss.SSS"]
            timezone => "America/Los_Angeles"
        }
    }
}

output {
    elasticsearch {
        hosts => "elasticsearch:9200"
    }
}

03-Aug-2017 00:55:29.005 client XXX.XXX.XXX.XXX#54501(www.google.com): query: www.google.com IN A + (XXX.XXX.XXX.XXX)

這次的目的是要分析 BIND9 的 query.log 檔，主要需要修改的地方是 Logstash 結構化 log 的設定
先將 log 檔案所在的目錄 volume 到 docker container，在 volumes 區塊新增
~/docker-elk/docker-compose.yml
根據 BIND9 的 query.log 新增結構化設定
~/docker-elk/logstash/pipeline/bind.conf
input > file > path 分析 log 檔案的位置
filter > grok 分析並透過他的 patterns 重構 log 字串

into

{
  "_index": "logstash-2017.08.03",
  "_type": "BIND_DNS",
  "_id": "AV2nF6AFU4gS5SfvUHc1",
  "_version": 1,
  "_score": null,
  "_source": {
    "path": "/var/log/named/query.log",
    "@timestamp": "2017-08-03T00:55:29.005Z",
    "logdate": "03-Aug-2017 00:55:29.005",
    "clientip": "203.75.167.229",
    "query1": "www.google.com",
    "query2": "www.google.com",
    "@version": "1",
    "host": "690ab8796350",
    "dns": "172.31.10.132",
    "message": "03-Aug-2017 00:55:29.005 client 203.75.167.229#54501 (www.google.com): query: www.google.com IN A + (172.31.10.132)",
    "type": "BIND_DNS",
    "clientport": "54501",
    "querytype": "A +"
  }
}

(?<logdate>%{MONTHDAY}[-]%{MONTH}[-]%{YEAR} %{TIME}) 是自訂 pattern，因為原始 pattern 沒有符合 query.log 的日期格式，參考來源是 logstash-patterns-core
其他關於 grok 寫法的判斷與模擬，可以透過 Grok Debugger 測試
filter > date 是將自訂參數 logdate 取代預設 timestamp 的寫法。因為預設 timestamp 是指 Logstash 分析匯入的時間，而不是 log 紀錄的時間，所以要特別替換後才方便給 Kibana 分析使用
如果記錄檔 EC2 機器時區有另外設定，timezone 也要設定

Kibana

一開始會先選擇 Elasticsearch 資料來源，因為沒有特別修改設定，直接使用預設的 logstash-* 即可
因為時區預設使用瀏覽器設定，所以要先到 Management > Advanced Settings > dateFormat:tz 強制設定為資料的時區
建立一個 IP COUNT/DATE 的圖表
1. 建立新圖表 Visualize > Create a visualization
2. 選擇長條圖 Basic Charts > Vertical Bar
3. 選擇資料來源 From a New Search, Select Index > logstash-*
4. Y 軸選擇欄位 clientip 的數量 Y-Axis > Aggregation[Unique Count] > Field[clientip.keyword]
5. X 軸選擇日期 X-Axis > Aggregation[Date Histogram] > Field[@timestamp] > Interval[Daily]
6. 點選右上角的箭頭 Apply changes
7. 右上角時間範圍選擇 This week 就可以看到一周內 IP COUNT/DATE 的長條圖

(繼續閱讀...)

danielhuang030 發表在痞客邦留言(0) 人氣()

Installation

sudo apt-get update sudo apt-get install docker.io sudo usermod -aG docker $USER sudo curl -L "https://github.com/docker/compose/releases/download/1.15.0/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose sudo chmod +x /usr/local/bin/docker-compose

sudo sysctl -w vm.max_map_count=262144

git clone https://github.com/deviantony/docker-elk.git cd docker-elk # 建議先不要背景執行，有錯誤可以比較容易發現 docker-compose up

傳統安裝方式是一個一個來，不過要串連三個程式並調整環境設定，非常容易卡關；一開始裝到一半我就遇到各種困難…後來突然想到這種需要安裝不同程式的環境，一定已經有人提供整合後的 docker images，後來一找果然有！網路上推薦使用：docker-elk

基本環境需求：