丰富日志信息，日志服务和OSS外表进行关联分析

1. 日志信息不够丰富，怎么破

在日志分析场景中，我们经常遇到这样的问题，日志中的信息不完善。例如，日志中包含了用户的点击行为，但是却缺少用户的属性，例如注册信息、资金、道具等信息。

而产品PD、运营同学分析日志的时候，往往需要这种联合分析用户的属性和行为，例如分析用户地域对付费习惯的影响。

想要推动开发同学在日志里边添加一些必要字段？这几乎是不可能的，一方面，跨团队沟通困难，让开发修改程序可能要拖很久；另一方面，有些属性是动态，需要经常改变，例如用户的账户状况。

2. 引入外表，补充日志信息

那么，为了解决信息短缺的问题，我们有什么办法呢？利用SQL中外表概念，和Join语法，把日志抽象成一张表。属性抽象成一张表，两张叫利用外键Join分析。那么属性信息放在哪里呢？

那么属性放在哪里呢？根据信息修改的频率，我们可以选择把数据放在MySQL或者OSS：

对于更新不频繁的数据。我们可以周期性的写一份数据到OSS对象存储上。那么，只需要支付OSS存储的钱即可，不需要支付MySQL保留的计算实例的钱，可以节省下很大一部分开支。

3. 日志服务（SLS)分析平台，提供日志️OSS(MySQL)的交叉分析能力

日志服务提供的这种跨数据源(OSS)的分析能力，可以帮助用户解决以下问题：

1. 节省费用：

   • 异构数据，根据数据的特性选择合适的存储系统，最大限度的节省成本。。 对于更新少的数据，选择存放在OSS上，只需要支付少量的存储费用。如果存放在MySQL上，还要支付计算实例的费用。
   • OSS是阿里云的存储系统，可以走内网读取数据，免去了流量费用。

2. 节省精力

   • 不需要搬迁数据到同一个存储系统中。大家都知道，不同的存储系统，格式和API都不同，要把数据搬迁到同一个系统中，涉及到复杂的数据转换；数据一旦有更新，还要经常维护。在我们轻量级的运行时联合分析平台中，避免数据搬迁，节省了用户精力，解放用户生产力，可以把有限的开发人力投入到主营业务中。

3. 所见即所得

   • 当用户需要分析数据时，使用一条SQL，在秒级别即可获得结果。
   • 把常用的视图，定义成报表。需要的时候，打开即可看到结果。

使用这种交叉分析，需要通过这几步操作：

1. 上传CSV格式文件到OSS。
2. 使用API，在日志服务（SLS）定义虚拟表，定义csv文件格式，映射到OSS文件。
3. 在日志服务（SLS)控制台，使用SQL引用oss文件。

4. 使用样例

接下来，我们将以实际样例来演示OSS外部存储的使用。

4.1 上传csv文件到OSS

我们定义一份属性文件，在文件中，包含了5列，分别是用户id，用户昵称，性别，省份，年龄

userid,nick,gender,province,age
1,阳光男孩,male,上海,18
2,么么茶,female,浙江,19
3,刀锋1937,male,广东,18

把这份文件，保存成文本user.csv，使用osscmd上传到OSS上（也可以在OSS控制台上传）：

osscmd   put  ~/user.csv   oss://testossconnector/user.csv

4.2 在日志服务（SLS)定义外部存储

SLS可以通过SQL定义虚拟外部表，映射到OSS文件。在SQL中，需要指定三部分信息：

1. 表的schema：包含哪些列，每一列的属性是什么。
2. OSS访问信息: oss的域名，oss的access id 和access key。
3. OSS文件信息：文件在哪个bucket下，文件的object路径是什么。

使用这条SQL，定义一个外部存储名为user_meta:

* | create table user_meta  ( userid bigint, nick varchar, gender varchar, province varchar, gender varchar,age bigint) with ( endpoint='oss-cn-hangzhou-internal.aliyuncs.com',accessid='LTA288dDkllsjdsalcxaeewiak',accesskey ='EjsowAkDiq22Ak$kjdskkalclaK',bucket='testossconnector',objects=ARRAY['user.csv'],type='oss')

在SQL中，分别指定了表的属性：

1. userid为 bigint类型。
2. nick为varchar类型。
3. gender为varchar类型。
4. province为varchar类型。
5. age为bigint类型。

在SQL的with语法中，分别指定endpoint, accessid, accesskey, bucket, objects。 其中，objects是一个array，在array中，可以是多个OSS文件。

执行结果result为true，表示执行成功。

为了验证数据是否正确，我们执行SQL : select * from user_meta 查看结果:

可以看到，在日志服务中，已经成功的定义了外部存储，接下来，我们就可以在SQL中引用该外部存储的信息了。

4.3 日志和OSS文件联合分析

在原始日志中，包含了用户的id信息，那么我们可以通过关联日志中的id和oss文件中的userid，补全日志的信息。

4.3.1 在SQL中关联日志和OSS,输入SQL :

* | select * from chiji_accesslog l join user_meta1 u on l.userid = u.userid

可以看到，结果中，已经包含了OSS文件的内容。

4.3.2 接下来，我们可以统计，用户性别的访问情况：

* | select  u.gender, count(1)  from chiji_accesslog l join user_meta1 u on l.userid = u.userid group by u.gender

4.3.3 也可以统计年龄的访问情况：

* | select  u.age, count(1)  from chiji_accesslog l join user_meta1 u on l.userid = u.userid group by u.age

4.3.4 统计不同年龄段在时间维度上的访问趋势：

* | select  date_trunc('minute',__time__) as minute, count(1) ,u.age from chiji_accesslog l join user_meta1 u on l.userid = u.userid group by u.age,minute

5 更多日志分析方法

CDN日志分析

Kubernetes下日志采集、存储与处理技术实践

SLB访问日志分析：基于客户端来源和HTTP状态码的实践

阿里云操作审计 - 日志安全分析

阿里云DDoS高防 - 访问与攻击日志实时分析