1. 概述
如前一篇《SLS 数据加工全面升级，集成 SPL 语法》所述，SLS 数据加工集成了 SLS 数据处理语法 SPL。与旧版本数据加工 DSL 相比，SPL 在处理非结构化数据的场景中，其语法简洁度上有很多提升，比如中间类型保持、字段引用、无缝兼容 SQL 函数等。
这里我们继续讨论在不同的数据处理需求中，新版数据加工 SPL 与旧版数据加工 DSL 的使用对照。对于数据同步的场景，即不需要做任何数据处理，新版 SPL 与旧版 DSL 均传入空逻辑即可，以下不再赘述。
2. 场景一：数据过滤与清洗
在日常运维中，错误日志分析是发现、定位问题的关键步骤。这里我们就以服务日志为例，介绍如何应用数据加工完成数据清洗。
旧版数据加工中，使用 e_keep/e_drop 完成数据清洗，对应的新版数据加工 SPL 中则使用 where 指令。
2.1 精确匹配
需要筛选出错误日志，即级别 level 字段值为字符串 ERROR。
| 新版 SPL | 直接引用字段 level | where level='ERROR' |
| 旧版 DSL | 需使用函数引用字段v("level")，不同的实现方式： ❖ e_keep(v("level") == "ERROR") ❖ e_drop(v("level") != "ERROR") ❖ e_if(v("level") != "ERROR", e_drop()) ❖ e_keep(e_search("level==ERROR")) |
2.2模糊匹配
由于不同服务模块的编码标准差异，如果 level 字段的值并非固定，可能是 ERROR、ERR 或者 E 等。这个场景下就需要进行字符串模糊匹配。
| 新版 SPL | 复用 SQL 的 like 表达式 | where level like '%E%' |
| 旧版 DSL | 不同的实现方式： ❖ e_keep(op_in(v("level"), "E")) ❖ e_keep(e_search("level: E") ❖ e_if(op_not_in(v("level"), "E"), e_drop()) |
2.3 数值范围
除了文本日志的筛选，我们还需要数值范围的比对。比如访问日志中，我们需要筛选出用户使用错误，以便分析哪些操作可能存在设计不合理，即筛选出状态码字段 status 值在 4xx 范围的数据。
| 新版 SPL | 保持 status 字段中间类型，无需多次转换 | extend cast(status as bigint) as status | where status>=400 and status<500 |
| 旧版 DSL | e_keep(ct_int(v("status"))>=400 and ct_int(v("status"))<500) |
2.4 存在性检查
另一个运维场景中，如果服务运行错误则会写出 error 字段，否则 error 字段不存在。我们需要筛选出包含 error 的数据条目。
| 新版 SPL | 使用 SQL 的 null 表达式判断字段存在性 | where error is not null |
| 旧版 DSL | 使用 e_has 函数判断字段存在性 e_keep(e_has("error")) |
3. 场景二：字段管理
3.1 新字段构造
SPL 使用 extend 指令完成字段赋值操作，相当于数据加工 DSL 中的 e_set。
| 新版 SPL | 1. 设置固定值，并保留值类型，可直接使用 | extend kb=1024 | extend size=size/1024 2. 正则提取单个信息 | extend version=regexp_extract(data, '"version":\d+') 3. JSON 提取，并赋值给字段，SPL 中 JSON 对象路径引用 JsonPath[1] | extend version=json_extract(data, '$.version') |
| 旧版 DSL | 1. 设置固定值，类型变为 str，使用时再次转换 e_set("kb", 1024) e_set("size", ct_int(v("size")) / ct_int(v("kb"))) 2. 正则提取，并赋值给字段 e_set("version", regex_select(v("data"), r'"version":\d+')) 3. JSON 提取，并赋值给字段，JSON 查询语言 JMES 语法[2] e_set("version", json_select(v("data"), "version")) |
3.2 筛选、排除、重命名
SPL 提供原地处理指定字段的能力，即不需要给定完整的数据 Schema（包括字段列表、及其类型），可以直接操作给定字段，且不影响其他不相关的字段。
| 新版 SPL | 1. 精确选择字段 | project node="__tag__:node", path 2. 按模式选择字段，开启 wildcard 开关 | project -wildcard "__tag__:*" 3. 原地重命名部分字段 | project-rename node="__tag__:node" 4. 按模式排除字段，开启 wildcard 开关 | project-away -wildcard "__tag__:*" |
| 旧版 DSL | 1. 精确选择字段 e_keep_fields("__tag__:node", "path", regex=False) 2. 按模式选择字段 e_keep_fields("__tag__:.*", regex=True) 3. 原地重命名部分字段 e_rename("__tag__:node", node) 4. 按模式排除字段 e_drop_fields("__tag__:.*", regex=True) |
3.3 条件表达式
条件表达式对于处理混杂在一起的不同类型的数据是关键需求。SPL 通过 SQL 表达式完成条件判断。
| 新版 SPL | 1. SQL 表达式：IF 判断条件返回不同表达式的值 | extend valid=IF(type is not null, 'true', 'false') 2. SQL 表达式：COALESCE 取第一个值不为空的表达式的值，或添加默认值 | extend size=COALESCE(input, output, 0) 3. SQL 表达式：CASE-WHEN 通过条件判断，对数据进行归类、或选择 | extend size=CASE WHEN dir='I' THEN input WHEN dir='O' THEN output ELSE 0 END |
| 旧版 DSL | 1. op_if 判断条件返回不同表达式的值 e_set("valid", op_if(e_has("type"), "true", "false")) 2. op_coalesce 取第一个值不为空的表达式的值，或添加默认值 e_set("size", op_coalesce(v("input"), v("output"), "0")) 3. e_if_else 控制流程，构造字段 e_if_else(e_has("type"),e_set("valid", "true"),e_set("valid", "false"),) |
4. 场景三：时间信息解析与格式化
在 SPL 执行过程中，SLS 日志时间字段类型始终保持为数值类型 INTEGER 或者 BIGINT。SLS 日志字段包括数据时间时间戳字段 __time__ 和数据时间纳秒部分字段 __time_ns_part__。需要更新数据时间时，须使用 extend 指令操作。
| 新版 SPL | 1. 提取日志时间字段 __time__ | extend time=date_parse(time, '%Y/%m/%d %H-%i-%S') | extend __time__=cast(to_unixtime(time) as bigint) 2. 时间格式规范化 | extend time=date_parse(time, '%Y/%m/%d %H-%i-%S') | extend time=date_format(time, '%Y-%m-%d %H:%i:%S') |
| 旧版 DSL | 1.提取日志时间字段 __time__ e_set("__time__",dt_parsetimestamp(v("time"),fmt="%Y/%m/%d %H-%M-%S",),) 2.时间格式规范化 e_set("time",dt_strftime(dt_parse(v("time"),fmt="%Y/%m/%d %H-%M-%S",),fmt="%Y-%m-%d %H:%M:%S",),) |
5. 场景四：非结构或半结构化数据提取
在机器数据处理场景中，从非结构化或半结构化数据中提取关键信息，是一个繁琐的过程。因为数据没有固定的模式，需考虑太多处理细节，但处理的效率要求又极高。SPL 提供指令实现不同的数据提取，比如正则、JSON、CSV 等。
5.1 正则文本提取
| 新版 SPL | parse-regexp 指令 | parse-regexp data, '(\S+)\s+(\w+)' as time, level |
| 旧版 DSL | e_regex 函数 e_regex("data", r"(\S+)\s+(\w+)", ["time", "level"]) |
5.2 JSON 结构数据提取
| 新版 SPL | parse-json 指令，JSON 对象路径引用 JsonPath | parse-json -path='$.x.y.z' data |
| 旧版 DSL | e_json 函数，JSON 查询语言 JMES 语法 e_json("data", depth=1, jmes="x.y.z") |
5.3 CSV 格式数据提取
| 新版 SPL | ❖单字符分隔符 CSV RFC 4180[3]，支持指定分隔符、引用符| parse-csv -delim='\0' -quote='"' data as time, addr, user❖多字符分隔符| parse-csv -delim='^_^' data AS time, addr, user |
| 旧版 DSL | e_csv 函数e_csv("data", ["time", "addr", "user"], sep="\0", quote='"') |
相关链接：
[1] JsonPath
[2] JMES 语法
[3] CSV RFC 4180
作者：灵圣