终端审计的数据模型,比大多数人想的更容易做坏。常见的起点是"一张大表什么都存":客户端 ID、时间、类型、内容、附件路径……上线三个月,单表上亿行,按人查要十几秒,跨类型关联得写三条 UNION。
这篇只讲数据侧:字段怎么设计、关联怎么做、检索怎么不塌。
一、先定关联键,再定字段
审计的价值不在单条记录,而在把多类事件串成一条链:某文件被复制到 U 盘 → 同一终端几分钟后上传到外部 → 聊天里出现相关关键词。串链需要四个稳定的关联键:
client_id:设备account:操作系统账户,注意不是人名,改名后要做对齐object_key:文件路径或内容指纹channel:本地磁盘、USB、邮件、浏览器、IM
多数系统只做了前两个,于是"这台机器做过什么"查得出来,"这个文件最后去了哪"查不出。object_key 建议用"路径 + 大小 + 首次出现时间"的哈希,而不是纯路径——纯路径在改名和移动后直接断链。
二、宽表还是窄表
宽表(每种事件一张表)查询快、字段语义清楚,但跨类型关联要拼;窄表(统一事件表 + 类型字段 + JSON 内容)写入简单、扩展方便,但字段筛选依赖 JSON 解析。
比较平衡的做法是"窄表存索引字段 + 宽表/明细存内容":主表只放可建索引的列,明细进 JSON 或独立表按需 join。
CREATE TABLE audit_event (
id BIGINT,
ts DATETIME,
client_id VARCHAR(64),
account VARCHAR(128),
event_type SMALLINT,
channel SMALLINT,
object_key CHAR(32),
severity TINYINT
) PARTITION BY RANGE (ts);
三、分区与冷热
审计数据的时间局部性极强:90 天内的查询占绝大多数,更早的多为合规取证。按天或按周做 RANGE 分区,配合冷数据归档,比任何索引优化都有效。
代价要提前想清楚:分区键一旦是 ts,就没法按 client_id 做全局排序,跨分区查询会命中多个分区。如果"按人查半年"是刚需,就得额外维护一张按 account 聚合的汇总表,而不是指望主表硬扛。
四、三类查询与对应设计
- 精确回溯:
account+ 时间窗。走(account, ts)复合索引,最常用的一类。 - 单对象追踪:
object_key精确匹配后按ts排序。object_key 要建索引,且应是哈希列而非长文本。 - 模糊检索:关键词、文件名片段。别压在主库上,转给检索引擎或离线跑批,否则一个 LIKE 就能拖垮写入。
五、写入侧的取舍
终端侧是突发写入:开机批量上报、断网恢复后补传,峰值可能是均值的几十倍。三个措施:客户端做本地队列与限速;服务端入口削峰(消息队列 + 批量落库);补传数据同时带"事件发生时间"与"上传时间"两个字段。
最后这点最容易被忽略:只存一个时间戳,事后就无法区分事件何时发生、数据何时到达,而这恰恰是取证时最容易被质疑的地方。
六、脱敏与留存
审计内容天然含敏感信息(聊天正文、文件名、剪贴板)。合理做法是分级:内容原文只在必要时保留并加密存储,检索靠哈希与关键词索引;留存周期按合规要求配置,到期自动清理,且清理动作本身要留日志——否则"数据已按制度删除"这句话没有证据。
结语
终端审计做得好不好,不看能记多少种事件,看能不能用一条链回答"这个文件最后去了哪"。字段设计决定了这个问题能不能被回答,分区和索引决定了回答要几秒。