Logstash：运用 Elasticsearch filter 来丰富地理数据

Posted 2022-12-16 Elastic 中国社区官方博客

我们知道丰富数据对于很多的应用来说非常重要。这涉及到访问不同的表格，并进行搜索匹配。找到最为相近的结果并进行丰富数据。针对 Elasticsearh 来说，我们可以通过 enrich processor来进行丰富。你可以阅读我之前的文章来了解更多：

• Elasticsearch：enrich processor （7.5发行版新功能）

• Elasticsearch：如何使用 Elasticsearch ingest 节点来丰富日志和指标

• Elasticsearch 的新 range 丰富策略使上下文数据分析更上一层楼 - 7.16

事实上，我们甚至可以在 Logstash 的 pipeline 中采用 Elasticsearch filter 来丰富数据。你可以参考我之前的文章 “Logstash：运用 Elasticsearch 过滤器来丰富数据”。

在今天的文章中，我来采用一个简单的例子来展示如何使用 Elasticsearch filter 来丰富地理数据。这个在实际的使用中非常有用。比如你采集的数据含有传感器 id，但是在采集的数据里可能并不包含地理位置信息。我们可以通过 Elasticsearch filter 来丰富数据的地理位置信息，这样可以在地图上进行展示。

 

安装

如果你还没有安装好自己的 Elasticsearch 及 Kibana，请参考文章：

• 如何在 Linux，MacOS 及 Windows 上进行安装 Elasticsearch
• Kibana：如何在 Linux，MacOS 及 Windows 上安装 Elastic 栈中的 Kibana

在安装的时候，请参考 Elastic Stack 8.x 的安装指南进行安装。

在 Elasticsearch 中创建 enrich 索引

我们在 Elasticsearch 中创建一个可以在 Logstash 中被引用的索引。它的 mapping 是这样的：

PUT myindex

  "mappings": 
    "properties": 
      "address": 
        "properties": 
          "city": 
            "type": "text"
          ,
          "number": 
            "type": "keyword"
          ,
          "street_name": 
            "type": "text"
          ,
          "zipcode": 
            "type": "keyword"
          
        
      ,
      "location": 
        "type": "geo_point"
      
    
  

我们接下来写入如下的一个文档：

POST myindex/_doc/1

  "address": 
    "zipcode": "17000",
    "number": "23",
    "city": "Beijing",
    "street_name": "wang jing road"
  ,
  "location": 
    "lon": 116.478598,
    "lat": 39.995007
  

从上面的数据中，我们可以看到除了含有 address 信息之前，它还含有一个地理位置的信息 location。在实际的使用中，那个 address 甚至可以是传感器的 id 信息。

如果我们知道 address 信息，那么我们可以通过如下的查询来获得该位置的地理信息：

GET myindex/_search?search_type=dfs_query_then_fetch&filter_path=**.hits

  "size": 1,
  "query": 
    "bool": 
      "should": [
        
          "match": 
            "address.number": "23"
          
        ,
        
          "match": 
            "address.street_name": "wang jing road"
          
        ,
        
          "match": 
            "address.city": "Beijing"
          
        
      ]
    
  

上面的搜索返回如下的信息：

  "hits": 
    "hits": [
      
        "_index": "myindex",
        "_id": "1",
        "_score": 1.4384104,
        "_source": 
          "address": 
            "zipcode": "17000",
            "number": "23",
            "city": "Beijing",
            "street_name": "wang jing road"
          ,
          "location": 
            "lon": 116.478598,
            "lat": 39.995007
          
        
      
    ]
  

很显然，它含有 location 的地理位置信息。

在 Logstash 中使用 Elasticsearch filter 来丰富数据

接下来，我们创建如下的一个 Logstash 配置文件：

logstash.conf

input 
  http  


filter 
  elasticsearch 
    query_template => "search-by-name.json"
    index => "myindex"
    fields => 
      "location" => "[location]"
      "address" => "[address]"
    
    remove_field => ["headers", "host", "@version", "@timestamp"]
    ca_file => "/Users/liuxg/elastic/elasticsearch-8.5.2/config/certs/http_ca.crt"
    ssl => true
    api_key => "Rf-_4IQB-Ec0fhu3PjhI:JlZ0cA8lRQGRDxhWwdDJVg"
  


output 
  stdout  codec => rubydebug 

如上所示，我们使用 http input 来做测试。在上面，我们使用 elasticsearch filter 来丰富数据。我们希望得到的是 location 及 address。在上面，我们定义 search-by-name.json 如下：

search-by-name.json

  "size": 1,
  "query":
    "bool": 
      "should": [
        
          "match": 
            "address.number": "%[address][number]"
          
        ,
        
          "match": 
            "address.street_name": "%[address][street_name]"
          
        ,
        
          "match": 
            "address.city": "%[address][city]"
          
        
      ]
    
  

在上面，我们设置 size 为 1，也即采用最为匹配的那个结果。上面其实就是一个搜索。我们把上述文件置于 Logstash 的安装目录下。另外，我们需要定义证书及 API key。你需要根据自己的配置来对上面的配置进行修改。如果你还不值得如何得到 API key，请阅读我之前的文章 “Logstash：如何连接到带有 HTTPS 访问的集群”。当然如果你的 Elasticsearch 不具有安全配置，那么你就不需要进行任何的配置了。

我们使用如下的命令来进行运行：

 ./bin/logstash -f logstash.conf 

我们接下来在另外一个 terminal 中打入如下的命令：

curl -XPOST "localhost:8080" -H "Content-Type: application/json" -d '
  "test_case": "Address with text",
  "name": "Joe Smith",
  "address": 
    "number": "23",
    "street_name": "wang jing road",
    "city": "Beijing",
    "country": "China"
  
'

请注意在上面的命令中，它并没有 location 的任何信息。等执行完后，我们可以在 Logstash 的 terminal 中看到如下的输出：

 

如上所示，我们可以看到被丰富的 location 信息。这个信息来源于 Elasticsearch 中的 myindex 索引。

现在你只需要改变输入部分来读取你的数据源，例如从数据库：

jdbc 
  jdbc_driver_library => "mysql-connector-java-6.0.6.jar"
  jdbc_driver_class => "com.mysql.cj.jdbc.Driver"
  jdbc_connection_string => "jdbc:mysql://127.0.0.1:3306/person?useSSL=false"
  jdbc_user => "root"
  jdbc_password => ""
  schedule => "* * * * *"
  parameters =>  "country" => "France" 
  statement => "SELECT p.id, p.name, p.dateOfBirth, p.gender, p.children, a.city, a.country, a.countrycode, a.lat, a.lon, a.zipcode FROM Person p, Address a WHERE a.id = p.address_id AND a.country = :country AND p.id > :sql_last_value"
   use_column_value => true
   tracking_column => "id"

关于这个部分的详细操作请参考文章 “Elasticsearch：将关系数据库中的数据提取到 Elasticsearch 集群中”。