概述
日志是我们在做系统运维时最重要的信息之一，其最大的优点是简单直接。不过在整个日志的生命周期里有这么一对很难调和的矛盾：输出和采集日志要求尽可能的简单便捷 vs 日志分析时需要数据格式化并能够按需存储。为了保证服务端的稳定，我们往往会将多种模式的日志数据采集到到统一的存储目标中（即更加偏向于矛盾前者），其原因也比较明显：
- 业务系统在写日志时混合输出，采集端无法识别。这种情况十分常见，不同的代码风格、或者系统初期考虑不周等等都会出现。
- 日志采集端做统一采集。这种情况一方面简化采集配置，方便管理；另一方面简单的采集过程也可以减少对业务服务器的压力。
随着日志应用场景越来越广，甚至很多已经将业务数据写入日志用于业务分析，以上矛盾越来越显现。为了能够尽量解决如上所述的输出加采集和分析之间的矛盾，一般会在使用日志数据分析前做预加工。针对如上的多模式数据计算，需要能满足如下2个需求：
- 不同的模式的数据需要使用其相应的计算逻辑，并分散输出到特定的下游目标中，以供特定的业务分析使用
- 多模式参数实现配置化，但需要增加新模式时不需要重启计算任务，而是直接修改配置即可生效
SLS 数据加工
阿里云 SLS 数据加工服务是专注于日志实时处理的平台，其主要特点是免运维、低代码。这里，我们看下如何使用 SLS 数据加工服务解决上文所述的多模式数据混合存储的场景需求。下文会使用阿里云 SLS 的术语，可参考其文档。
如上图所示，如下是完整的日志数据链路：
- 业务系统包括3个模块A、B、C，其中A和B在同一台服务器上，日志输出到了同一个文件中。但是三个模块输出的日志模式是完全不一样（如下文）。
- 为了简化日志输出和采集，不对服务日志输出模式做调整，并将所有日志统一采集到到
logstore-0中。该 logstore 用于存储原始数据，无法直接做分析使用。 - 在
logstore-0之上配置数据加工，数据加工需要完成3个需求：
a. 获取日志模式配置，该配制可以存储在阿里云 OSS或者 RDS 中
b. 针对数据应用相应的模式参数做解析
c. 将解析后的数据输出到其特定的目标中 - 以上所有配置以后，就可以在对应的目标 logstore 中做相应的分析。其中A和B是提供业务人员直接在SLS上做统计分析，C则进一步进入数据下游。
这里假设A、B、C 3种数据模式都是 csv 格式，其数据列和分隔符都不一样，其处理结果最终需要分别输出到不同的 logstore 中：logstore-A、logstore-B、logstore-C。不同的日志模式配下：
A => #fields:"x,y,z" #sep:"," #target:"logstore-A"
B => #ields:"u,v" #sep:"|" #target:"logstore-B"
C => #fields:"r,s,t" #sep:" " #target:"logstore-C"配置详情
这里直接演示在阿里云控制台的配置详情。首先，我们需要准备数据模式。如上文所说，我们可以将模式存储在阿里云 OSS 或者 RDS 中，这里以 OSS 存储为例。将上文所说的模式打包成 JSON 文件 schemas.json，并上传至 OSS bucket 中，获取拥有读取该 bucket 权限的 access key，操作细节可参考 OSS 文档。模式文件内容参考如下：
{
"A": {
"fields": ["x", "y", "z"],
"sep": ",",
"target": "logstore-A"
},
"B": {
"fields": ["u", "v"],
"sep": "|",
"target": "logstore-B"
},
"C": {
"fields": ["r", "s", "t"],
"sep": " ",
"target": "logstore-C"
}
}接下来需要在 SLS 控制台配置数据加工。配置细节可以参考其 快速入门 和 调试指南，这里主要介绍本文主题相关的配置。logstore-0 中原始数据如下图，所有数据信息都包含在 content 字段中，需要从中提取详细的字段：
数据加工脚本如下，其是遵循 Python 语法的 DSL，其逻辑相比于直接编程实现有极大的简化：
e_set("schema_name", lst_get(str_split(v("content"), sep=":"), 0))
e_set("content", lst_get(str_split(v("content"), sep=":"), 1))
e_set(
"schemas",
res_oss_file(
"oss-cn-shanghai.aliyuncs.com",
"<access-key-id>",
"<access-key-secret>",
"<oss-bucket-name>",
"schemas.json",
format="json",
change_detect_interval=3600,
),
)
e_set("schema", dct_get(v("schemas"), v("schema_name")))
e_csv("content", dct_get(v("schema"), "fields"), sep=dct_get(v("schema"), "sep"))
e_set("logstore", dct_get(v("schema"), "target"))
e_drop_fields("schemas", "schema", "schema_name", "content")
e_output(name=v("logstore"), project="sls-project", logstore=v("logstore"))最终经过数据加工处理后的数据如图，可以看到数据已经被规整化，提取出了详细的字段信息，并输出到所需的下游 logstore 中：
总结
日志处理是一个极其繁琐的过程，究其原因是日志的边界情况特别多，而且可能随时在变。阿里云 SLS 数据加工服务是专门针对日志规整、富化、集散等处理场景。如上文所述，在多模式混杂的日志集散场景中，使用 SLS 数据加工服务可以便捷的完成需求。
