10分钟搭建MySQL Binlog分析+可视化方案

本文涉及的产品
对象存储 OSS,20GB 3个月
日志服务 SLS,月写入数据量 50GB 1个月
云备份 Cloud Backup,100GB 3个月
简介: 日志服务 最近在原有30+种数据采集渠道 基础上,新增MySQL Binlog、MySQL select等数据库方案,仍然主打快捷、实时、稳定、所见即所得的特点。 以下我们以用户登录数据库作为案例,演示如何在10分钟内手把手完成从binlog采集到查询、告警、搭建报表等全过程,满足各个老板们的需求。

日志服务 最近在原有30+种数据采集渠道 基础上,新增MySQL BinlogMySQL select等数据库方案,仍然主打快捷、实时、稳定、所见即所得的特点。


以下我们以用户登录数据库作为案例。公司内非常多的人员依赖于用户登录数据以及其衍生出来的相关数据:


  • 老板要看大屏,每天UV、PV增长在哪里?
  • 安全要监控登录是否异常,现在用户账户是否遭到集体攻击?
  • 客户小二接到用户反馈,如何实时查询用户登录信息?
  • BI需要分析用户行为,数据分析如何关联用户登录数据?
  • 审计上门了,请把您3年前用户的登录数据拿出来吧?

467da918-42be-4abe-b6c5-bc2d87464d7a.png

接下来我们将演示如何在10分钟内手把手完成从binlog采集到查询、告警、搭建报表等全过程,满足各个老板们的需求:


  1. MySQL Binlog采集
  2. 关键字段索引+统计设置
  3. 对异常账号进行查询分析
  4. 对异常登录进行告警
  5. 配置可视化仪表盘
  6. 对历史登录信息备份以备数据审计


环境准备


数据库


mysql类型数据库(使用mysql协议,例如RDS、DRDS等),数据库开启binlog,且配置binlog类型为ROW模式(RDS默认开启)


用户登录表结构


CREATE TABLE `user_login` (  
`id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT 'id',  
`login_time` datetime NOT NULL,  
`login_ip` varchar(10) NOT NULL DEFAULT '',  
`dev_type` varchar(10) NOT NULL,  
`usr_id` int(11) unsigned NOT NULL,
`login_result` varchar(10) unsigned NOT NULL,
`login_err_times` int(10) unsigned NOT NULL,
`next_verify_type` varchar(10) NOT NULL, 
PRIMARY KEY (`id`),  
KEY `usr_id_index` (`usr_id`)  
)


用户登录表中记录了登录id、登录时间、登录ip、登录设备、用户id、登录结果、连续登录失败次数、下一次校验类型等信息。其中登录验证规则如下:


  • 正常情况只验证账号密码匹配
  • 若用户连续登录失败超过3次或者当前ip和上次登录ip不在同一省,下次登录将弹出验证码
  • 若用户连续登录失败超过5次,则下次登录将使用手机验证码


用户登录时表的更新方案


  • 方案1:
    每次用户登录,在user_login中新增一条记录,记录登录的ip、设备类型、时间信息
  • 方案2:
    考虑到用户数量非常多,如果每次用户登录都在user_login中新增一条记录,数据量会非常大,所以每次用户登录时,只会根据usr_id更新update表中的数据


对于方案1,优点是数据库中保存了所有用户的登录信息,缺点是user_login表会存在爆掉的问题,需要定期删除历史的数据;对于方案2,优点是user_login表的大小可控,缺点是会丢失历史用户的登录信息。


这里我们推荐使用方案2+logtail binlog采集组成最优的方案3:用户最近一次登录信息依然保存在数据库中,通过logtail的binlog功能采集user_login表,logtail会将表中的每次修改事件上传到日志服务,日志服务中的数据可设置保存时间,超时自动删除。同时在日志服务中,可以对实时采集上来的数据进行查询、统计、查看报表、监控报警,也支持将数据对接下游流计算、导入Max Compute/OSS等。

93e5ac81-275a-43c4-a1d0-077f21cfc7fb.png

方案1

方案2

方案3

数据库数据量

用户数 * 运行时间 / 登录率

用户数

用户数

数据库压力

支撑写入以及分析,压力大

只更新,压力最小

更新+binlog采集,压力较小

分析能力

基于sql进行分析,数据量大时对数据库影响大

无历史数据,基本不能分析

使用日志服务分析,TB级数据实时查询分析无压力,支持众多分析扩展函数

报表&监控

手动搭建&运维

手动搭建&运维

基于日志服务快速创建仪表盘、配置自定义报警

上下游对接扩展性

手动对接上下游

手动对接上下游

对接流计算实时处理、导入OSS归档存储、对接Max Compute离线分析等


数据采集


安装logtail


根据文档安装logtail,确认版本号在0.16.0及以上。若低于0.16.0版本请根据文档提示升级到最新版本。


采集配置


  1. 在日志服务控制台创建一个新的Logstore,采集向导中选择自建软件中的Mysql binlog

5c667fc5-42a9-4c4b-bcfb-84f341286aa7.png


{
    "inputs": [
        {
            "type": "service_canal",
            "detail": {
                "Host": "************.mysql.rds.aliyuncs.com",
                "User" : "root",
                "Password": "*******",
                "IncludeTables": [
                    "user_info\\.user_login"
                ]
            }
        }
    ]
}
  • 注意
  • 数据库开启binlog且为ROW模式(RDS默认支持),使用的账户具有mysql slave权限以及需要采集的数据表的select权限。
  • binlog支持IncludeTablesExcludeTables过滤,格式均为正则表达式
  • 其他请参考binlog采集中使用限制


建立索引


配置应用到机器组后,进入索引查询配置页面。在键值索引属性中配置以下索引项:

字段名

类型

别名

分词符

开启统计

_event_

text

dev_type

text

login_ip

text

usr_id

text

next_verify_type

text

login_err_times

long

login_result

text

old_dev_type

text

old_login_ip

text

old_usr_id

text

old_next_verify_type

text

old_login_err_times

long

old_login_result

text


数据预览


应用配置1分钟后,点击预览可以看到状态数据已经采集上来(logtail的binlog采集会额外上传数据操作类型、GTID等信息):


  • 对于修改的事件,Logtail会同时采集修改前和修改后的数据,修改前的数据以old_开头。因此我们可以基于修改前后的数据对比查找登录ip变化的相关记录。


__source__:  11.18.2346.187  
__topic__:    
_db_:  user_info  
_event_:  row_update  
_gtid_:  40684541-b23b-11e7-a198-6c92de20e4c5:32693  
_host_:  ****************mysql.rds.aliyuncs.com  
_id_:  2132923  
_table_:  user_login  
dev_type:  web  
id:  7234226  
login_ip:  101.85.245.155  
login_time:  1511855787
usr_id:  23568755  
login_result:  error
login_err_times:  5
next_verify_type:  sms
old_dev_type:  web  
old_id:  7234226  
old_login_ip:  101.85.245.155  
old_login_time:  1511855781
old_usr_id:  23568755  
old_login_result:  error
old_login_err_times:  4
old_next_verify_type:  id_code


自定义查询与分析


到这一步我们就可以满足客服和BI的需求了:查询/关联查询。例如:


  1. 用户反馈账号信息被篡改了,客服通过日志服务,查询该用户从上次登录到现在的登录信息:login_id : 256525,发现其中有一条登录日志;继续查询登录地址login_id : 256525 | select ip_tp_province(login_ip) as login_province, ip_tp_country(login_ip) as login_country,发现是在国外登录的,因此很有可能该用户账号泄漏或被攻破了。
  2. 用户反馈自己的账号被限制登录了,客服通过日志服务,查询该用户限制登录前的相关登录信息:login_id : 256525 | select ip_tp_province(login_ip) as login_province, login_result, count(1) as total group by (login_province,login_result) order by total desc limit 100,发现该用户在多个省异常登录失败了很多次。



用户登录大盘


现在我们来搭建CEO要的大盘,先准备一些基础的统计信息:


  • 统计一天的UV&PV


* | select count(distinct(usr_id)) as uv, count(1) as pv


  • 查看登录设备分布


* | select dev_type, count(1) as count group by dev_type


  • 每5分钟统计UV&PV分布


*  | select  count(1)  as uv, count(distinct(usr_id)) as pv,  from_unixtime( __time__ - __time__ % 300) as time group by __time__ - __time__ % 300 order by time limit 1440


统计地理位置分布


由于原始的数据中没有用户登录的地理位置分布信息,但我们可以通过ip地址定位到用户登录的省市,这里我们使用日志服务自带的ip地址转换函数(具体参见分析语法IP识别函数章节)


  • 统计top10的city(使用ip_to_city


*  | select  ip_to_city(login_ip) as login_city, count(1) as count group by login_city order by count desc limit 10


  • 统计省份分布(使用ip_tp_province


*  | select  ip_tp_province(login_ip) as login_province, count(1) as count group by login_province order by count desc limit 100


用户登录大盘搭建


根据上一节的统计结果,我们搭建出了用户登录信息的仪表盘,可以向CEO汇报了。


d36a43ae-cb4a-4e10-a21a-f548e56f9058.png

异常登录告警


异常登录都会有误判的可能性,因此正常情况下会有少部分异常登录的情况,但异常登录占比要小于1%。这里我们为用户登录设置一个异常登录的告警:若当异常登录占总登录的1%则触发告警。


* | SELECT  sum( CASE  WHEN ip_tp_province(login_ip)!=ip_tp_province(old_login_ip) then 1 ELSE 0 end ) *1.0 / count(1) as abnormal_login_percentage


将该查询存为快速查询abnormal_login,并设置告警。


配置项

内容

报警规则名称

abnormal_login_alarm

快速查询名称

abnormal_login

数据查询时间(分钟)

5

检查间隔(分钟)

5

触发次数

1

字段名称

abnormal_login_percentage

比较符

大于

检查阈值

0.01

通知类型

通知中心

通知内容

user abnormal login percentage exceed limit.


数据备份


用户登录数据,一般建议在日志服务存储一段时间(30天、半年、1年等)用于实时的查询和分析,但对于历史数据还需要保存下来,便于后续的审计、大数据挖掘与分析等。这里我们使用日志服务的投递功能,将数据投递到OSS进行长期的归档存储。审计员来了想看多少年前的数据都有!

19dcf7d7-f7c6-47a3-b4fe-7666017ccefa.png

相关文章


使用EMR来进行mysqlbinlog日志准实时处理
如何基于MYSQL做实时计算


同志们有更多输入源的需求或其他问题请加钉钉群11775223联系:

59e270ab-cce1-4f3a-9fd5-1d0f860028f1 (1).png

相关实践学习
如何在云端创建MySQL数据库
开始实验后,系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
目录
相关文章
|
1月前
|
canal 消息中间件 关系型数据库
Canal作为一款高效、可靠的数据同步工具,凭借其基于MySQL binlog的增量同步机制,在数据同步领域展现了强大的应用价值
【9月更文挑战第1天】Canal作为一款高效、可靠的数据同步工具,凭借其基于MySQL binlog的增量同步机制,在数据同步领域展现了强大的应用价值
263 4
|
26天前
|
存储 SQL 关系型数据库
【MySQL调优】如何进行MySQL调优?从参数、数据建模、索引、SQL语句等方向,三万字详细解读MySQL的性能优化方案(2024版)
MySQL调优主要分为三个步骤:监控报警、排查慢SQL、MySQL调优。 排查慢SQL:开启慢查询日志 、找出最慢的几条SQL、分析查询计划 。 MySQL调优: 基础优化:缓存优化、硬件优化、参数优化、定期清理垃圾、使用合适的存储引擎、读写分离、分库分表; 表设计优化:数据类型优化、冷热数据分表等。 索引优化:考虑索引失效的11个场景、遵循索引设计原则、连接查询优化、排序优化、深分页查询优化、覆盖索引、索引下推、用普通索引等。 SQL优化。
212 15
【MySQL调优】如何进行MySQL调优?从参数、数据建模、索引、SQL语句等方向,三万字详细解读MySQL的性能优化方案(2024版)
|
26天前
|
存储 SQL 关系型数据库
一篇文章搞懂MySQL的分库分表,从拆分场景、目标评估、拆分方案、不停机迁移、一致性补偿等方面详细阐述MySQL数据库的分库分表方案
MySQL如何进行分库分表、数据迁移?从相关概念、使用场景、拆分方式、分表字段选择、数据一致性校验等角度阐述MySQL数据库的分库分表方案。
125 14
一篇文章搞懂MySQL的分库分表,从拆分场景、目标评估、拆分方案、不停机迁移、一致性补偿等方面详细阐述MySQL数据库的分库分表方案
|
10天前
|
消息中间件 canal 关系型数据库
Maxwell:binlog 解析器,轻松同步 MySQL 数据
Maxwell:binlog 解析器,轻松同步 MySQL 数据
82 11
|
11天前
|
Oracle NoSQL 关系型数据库
主流数据库对比:MySQL、PostgreSQL、Oracle和Redis的优缺点分析
主流数据库对比:MySQL、PostgreSQL、Oracle和Redis的优缺点分析
38 2
|
26天前
|
存储 关系型数据库 MySQL
分析MySQL主从复制中AUTO_INCREMENT值不一致的问题
通过对 `AUTO_INCREMENT`不一致问题的深入分析和合理应对措施的实施,可以有效地维护MySQL主从复制环境中数据的一致性和完整性,确保数据库系统的稳定性和可靠性。
61 6
|
2天前
|
NoSQL 关系型数据库 MySQL
MySQL替代方案
随着 MySQL 被 Oracle 收购,MySQL 的用户和开发者开始质疑开源数据库的命运,与此同时他们开始寻找替代品。
10 0
|
27天前
|
存储 关系型数据库 MySQL
分析MySQL主从复制中AUTO_INCREMENT值不一致的问题
通过对 `AUTO_INCREMENT`不一致问题的深入分析和合理应对措施的实施,可以有效地维护MySQL主从复制环境中数据的一致性和完整性,确保数据库系统的稳定性和可靠性。
47 1
|
23天前
|
NoSQL 关系型数据库 MySQL
微服务架构下的数据库选择:MySQL、PostgreSQL 还是 NoSQL?
在微服务架构中,数据库的选择至关重要。不同类型的数据库适用于不同的需求和场景。在本文章中,我们将深入探讨传统的关系型数据库(如 MySQL 和 PostgreSQL)与现代 NoSQL 数据库的优劣势,并分析在微服务架构下的最佳实践。
|
25天前
|
存储 SQL 关系型数据库
使用MySQL Workbench进行数据库备份
【9月更文挑战第13天】以下是使用MySQL Workbench进行数据库备份的步骤:启动软件后,通过“Database”菜单中的“管理连接”选项配置并选择要备份的数据库。随后,选择“数据导出”,确认导出的数据库及格式(推荐SQL格式),设置存储路径,点击“开始导出”。完成后,可在指定路径找到备份文件,建议定期备份并存储于安全位置。
192 11