PolarDB-X 1.0-用户指南-SQL审计与分析-开启SQL日志审计

本文涉及的产品
云原生数据库 PolarDB 分布式版,标准版 2核8GB
简介: SQL日志审计功能默认关闭,您可以在云原生分布式数据库控制台上手动开启。默认情况下,只对开启SQL日志审计功能之后产生的日志数据进行审计分析,您也可以导入部分历史数据。

前提条件

  • 开通阿里云日志服务。
  • 已购买PolarDB-X专享实例,并创建了数据库。
  • 默认情况下,只有主账号可以开启并操作SQL日志审计功能。子账号开启和操作SQL日志审计功能前,需要先授予日志服务相关权限。详细步骤请参见子账号授权

背景信息

SQL审计功能默认为关闭状态。您可以参见本文档开启该功能。开启后会产生额外费用,详细收费标准请参见计费方式。如果您需要关闭该功能,请在云原生分布式数据库控制台关闭。关闭后不再写入数据,可以查看历史数据,这部分历史数据会产生存储和索引费用。您可以在日志服务控制台删除Logstore以删除历史数据,删除后日志服务不再对该部分数据计费。

前提条件

当前支持SQL审计功能的实例需属于如下地域(其它地区陆续开放中):

  • 华东1(杭州)
  • 华东2(上海)
  • 华北1(青岛)
  • 华北2(北京)
  • 华南1(深圳)

操作步骤

  1. 登录云原生分布式数据库控制台,并选择地域。
  2. 在实例列表页面单击实例名称。
  3. 在左侧导航栏中单击SQL审计与分析。
  4. 展开下拉框,选择需要开启SQL审计与分析的数据库。
  5. 请根据页面提示进行授权。授权后,PolarDB-X有权限将日志数据写入日志服务。
  6. 在日志状态一栏或下拉框中状态栏打开功能开关。
    p128020.png
  7. 确认是否导入历史数据。默认情况下,只对开启SQL日志审计功能之后产生的日志数据进行审计分析。
  • 如果您发现PolarDB-X数据库的数据被修改,但是并未开启SQL审计功能,可以在开启功能时导入历史数据,将过去发生的日志加入审计分析范围,追溯数据篡改者。 PolarDB-X会根据您PolarDB-X实例节点上的日志存储情况,动态检测支持导入的历史数据范围,目前最多支持导入七天内的数据。
  • 如果需要导入历史数据,请打开功能开关,并指定回溯开始时间和回溯结束时间,并单击启用。
    导入历史数据功能基于PolarDB-X节点保存的日志时间动态检测,最大支持导入七天的历史数据。 导入过程涉及文件操作,需要一定的时间,请耐心等待。您可以在控制台右上角的任务列表中查看日志回溯的进度。
  • 如果不需要导入历史数据,请直接单击启用。p128023.png

执行结果

SQL审计功能已成功开启,相同Region下的PolarDB-X数据库的审计日志会写入同一个日志服务的Logstore中。同时,日志服务为您创建以下默认配置。

请勿随意删除或修改日志服务为您默认创建的 Project、Logstore、索引和仪表盘设置,日志服务会不定期更新与升级SQL日志审计功能,专属日志库的索引与默认报表也会自动更新。

表 1. 默认配置

默认配置项

配置内容

Project

默认为您创建 Project drds-audit-区域名-阿里云账户ID,例如 drds-audit-cn-qingdao-12345678

Logstore

默认为您创建 Logstore drds-audit-log

地域

相同 Region 下的 DRDS 数据库的审计日志会写入同一个日志服务的 Logstore 中。


例如,华东1(杭州)地域中所有可用区的 DRDS 数据库审计日志都会写入日志服务的 Logstore drds-log-cn-hangzhou-阿里云账户ID 中。

Shard

默认为您创建5个 Shard,并开启管理Shard 功能。

索引

日志服务自动为您创建索引。您的索引设置会随着功能升级自动更新,请勿手动修改或删除索引。

日志存储时间

默认保存30天。30天以上的日志自动删除。


若您需要更长的存储时间,可以自定义修改。详细步骤请参见高级管理

仪表盘

默认创建三个仪表盘,分别为:

  • 运营中心
  • 性能中心
  • 安全中心

关于仪表盘的更多信息,请参见日志报表

说明 请勿修改默认的仪表盘配置,默认仪表盘会随着功能升级自动更新。您也可以自定义创建新的仪表盘,详情请参见仪表盘

相关文章
|
5月前
|
存储 运维 监控
SelectDB 实现日志高效存储与实时分析,完成任务可领取积分、餐具套装/水杯/帆布包!
SelectDB 实现日志高效存储与实时分析,完成任务可领取积分、餐具套装/水杯/帆布包!
|
5月前
|
SQL 监控 数据挖掘
SLS 重磅升级:超大规模数据实现完全精确分析
SLS 全新推出的「SQL 完全精确」模式,通过“限”与“换”的策略切换,在快速分析与精确计算之间实现平衡,满足用户对于超大数据规模分析结果精确的刚性需求。标志着其在超大规模日志数据分析领域再次迈出了重要的一步。
479 117
|
4月前
|
自然语言处理 监控 安全
阿里云发布可观测MCP!支持自然语言查询和分析多模态日志
阿里云可观测官方发布了Observable MCP Server,提供了一系列访问阿里云可观测各产品的工具能力,包含阿里云日志服务SLS、阿里云应用实时监控服务ARMS等,支持用户通过自然语言形式查询
507 0
阿里云发布可观测MCP!支持自然语言查询和分析多模态日志
|
3月前
|
人工智能 运维 监控
Aipy实战:分析apache2日志中的网站攻击痕迹
Apache2日志系统灵活且信息全面,但安全分析、实时分析和合规性审计存在较高技术门槛。为降低难度,可借助AI工具如aipy高效分析日志,快速发现攻击痕迹并提供反制措施。通过结合AI与学习技术知识,新手运维人员能更轻松掌握复杂日志分析任务,提升工作效率与技能水平。
|
6月前
|
存储 消息中间件 缓存
MiniMax GenAI 可观测性分析 :基于阿里云 SelectDB 构建 PB 级别日志系统
基于阿里云SelectDB,MiniMax构建了覆盖国内及海外业务的日志可观测中台,总体数据规模超过数PB,日均新增日志写入量达数百TB。系统在P95分位查询场景下的响应时间小于3秒,峰值时刻实现了超过10GB/s的读写吞吐。通过存算分离、高压缩比算法和单副本热缓存等技术手段,MiniMax在优化性能的同时显著降低了建设成本,计算资源用量降低40%,热数据存储用量降低50%,为未来业务的高速发展和技术演进奠定了坚实基础。
262 1
MiniMax GenAI 可观测性分析 :基于阿里云 SelectDB 构建 PB 级别日志系统
|
6月前
|
SQL 存储 自然语言处理
让跨 project 联查更轻松,SLS StoreView 查询和分析实践
让跨 project 联查更轻松,SLS StoreView 查询和分析实践
122 1
|
10月前
|
XML 安全 Java
【日志框架整合】Slf4j、Log4j、Log4j2、Logback配置模板
本文介绍了Java日志框架的基本概念和使用方法,重点讨论了SLF4J、Log4j、Logback和Log4j2之间的关系及其性能对比。SLF4J作为一个日志抽象层,允许开发者使用统一的日志接口,而Log4j、Logback和Log4j2则是具体的日志实现框架。Log4j2在性能上优于Logback,推荐在新项目中使用。文章还详细说明了如何在Spring Boot项目中配置Log4j2和Logback,以及如何使用Lombok简化日志记录。最后,提供了一些日志配置的最佳实践,包括滚动日志、统一日志格式和提高日志性能的方法。
2897 31
【日志框架整合】Slf4j、Log4j、Log4j2、Logback配置模板
|
9月前
|
监控 安全 Apache
什么是Apache日志?为什么Apache日志分析很重要?
Apache是全球广泛使用的Web服务器软件,支持超过30%的活跃网站。它通过接收和处理HTTP请求,与后端服务器通信,返回响应并记录日志,确保网页请求的快速准确处理。Apache日志分为访问日志和错误日志,对提升用户体验、保障安全及优化性能至关重要。EventLog Analyzer等工具可有效管理和分析这些日志,增强Web服务的安全性和可靠性。
251 9
|
7月前
|
存储 SQL 关系型数据库
MySQL日志详解——日志分类、二进制日志bin log、回滚日志undo log、重做日志redo log
MySQL日志详解——日志分类、二进制日志bin log、回滚日志undo log、重做日志redo log、原理、写入过程;binlog与redolog区别、update语句的执行流程、两阶段提交、主从复制、三种日志的使用场景;查询日志、慢查询日志、错误日志等其他几类日志
613 35
MySQL日志详解——日志分类、二进制日志bin log、回滚日志undo log、重做日志redo log

相关产品

  • 云原生分布式数据库 PolarDB-X