CN116955075A - 一种基于日志的解析语句生成方法、装置、设备及介质 - Google Patents
一种基于日志的解析语句生成方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116955075A CN116955075A CN202310909608.5A CN202310909608A CN116955075A CN 116955075 A CN116955075 A CN 116955075A CN 202310909608 A CN202310909608 A CN 202310909608A CN 116955075 A CN116955075 A CN 116955075A
- Authority
- CN
- China
- Prior art keywords
- target
- log
- log data
- statement
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004458 analytical method Methods 0.000 claims abstract description 116
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
- G06F11/3082—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting the data filtering being achieved by aggregating or compressing the monitored data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种基于日志的解析语句生成方法、装置、设备及介质。该方法包括:获取目标系统对应的全量历史日志数据,并预处理历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据;归类处理各基础日志数据,得到目标系统对应的目标归类日志;依据预设语句规则格式化转换目标归类日志,得到目标系统对应的与目标归类日志匹配的目标解析语句。通过本发明的技术方案,能够实现日志数据对应的解析语句的自动生成,提高了解析语句的生成效率和准确率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于日志的解析语句生成方法、装置、设备及介质。
背景技术
在计算机系统中,日志数据是记录系统活动和事件的重要工具。为了对日志数据进行分析和处理,通常需要一种将日志数据处理为结构化数据的解析语句,例如Grok语句。
然而,为了使用解析语句进行日志数据分析,通常需要事先编写适用于特定日志格式的解析语句。现有技术中通常使用人工手动编写的方式,编写适用于特定日志格式的解析语句。
但是,若采用人工手动编写的方式,需要执行编写工作的人员具有深厚的领域知识和经验,耗时且容易出错。极大程度上降低了解析语句的生成效率和准确率。因此,如何自动生成日志数据对应的解析语句,提高解析语句的生成效率和准确率,是目前亟待解决的问题。
发明内容
本发明提供了一种基于日志的解析语句生成方法、装置、设备及介质,可以解决日志数据对应的解析语句的编写效率及准确率低的问题。
根据本发明的一方面,提供了一种基于日志的解析语句生成方法,包括:
获取目标系统对应的全量历史日志数据,并预处理所述历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据;
归类处理各基础日志数据,得到目标系统对应的目标归类日志;
依据预设语句规则格式化转换所述目标归类日志,得到目标系统对应的与所述目标归类日志匹配的目标解析语句。
根据本发明的另一方面,提供了一种基于日志的解析语句生成装置,包括:
预处理模块,用于获取目标系统对应的全量历史日志数据,并预处理所述历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据;
归类处理模块,用于归类处理各基础日志数据,得到目标系统对应的目标归类日志;
解析语句生成模块,用于依据预设语句规则格式化转换所述目标归类日志,得到目标系统对应的与所述目标归类日志匹配的目标解析语句。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的基于日志的解析语句生成方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于日志的解析语句生成方法。
本发明实施例的技术方案,通过预处理获取的目标系统对应的全量历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据,之后,归类处理各基础日志数据,得到目标系统对应的目标归类日志,最后,依据预设语句规则格式化转换目标归类日志,得到目标系统对应的与目标归类日志匹配的目标解析语句,解决了日志数据对应的解析语句的编写效率及准确率低的问题,能够自动生成日志数据对应的解析语句,提高了解析语句的生成效率和准确率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种基于日志的解析语句生成方法的流程图;
图2是根据本发明实施例二提供的一种基于日志的解析语句生成方法的流程图;
图3是根据本发明实施例二提供的一种可选的基于日志的解析语句生成方法的流程图;
图4是根据本发明实施例三提供的一种基于日志的解析语句生成装置的结构示意图;
图5是实现本发明实施例的基于日志的解析语句生成方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“目标”、“基础”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种基于日志的解析语句生成方法的流程图,本实施例可适用于自动生成日志数据对应的解析语句的情况,该方法可以由基于日志的解析语句生成装置来执行,该基于日志的解析语句生成装置可以采用硬件和/或软件的形式实现,该基于日志的解析语句生成装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取目标系统对应的全量历史日志数据,并预处理所述历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据。
其中,目标系统可以指需要进行解析语句生成的计算机系统。历史日志数据可以指目标系统在历史运行过程中生成的日志数据。示例性的,可以通过日志探针或其它设备采集并发送。在一个可选的实施方式中,全量历史日志数据可以包括:非结构化文本数据。
通常,同一个目标系统所产生的日志数据的类型是相对固定的。因此,在本发明实施例中,可以通过获取目标系统在历史运行过程中产生的全量历史日志数据,对目标系统对应的全量类型的解析语句进行生成。
其中,预处理可以指对历史日志数据进行的初步处理操作。示例性的,可以为按照正则表达式进行变量变更的操作。设定关键字段常量可以指预先设定的包含指定关键字段的常量。基础日志数据可以指经过预处理后的历史日志数据。
S120、归类处理各基础日志数据,得到目标系统对应的目标归类日志。
其中,归类处理可以指将同一模式类别的基础日志数据归为一类的操作。目标归类日志可以指经过归类处理后的基础日志数据。
S130、依据预设语句规则格式化转换所述目标归类日志,得到目标系统对应的与所述目标归类日志匹配的目标解析语句。
其中,预设语句规则可以指预先设定的格式转换规则。通常,可以根据解析语句的类别选定对应的预设语句规则。示例性的,若解析语句为Grok语句,则预设语句规则可以为Grok编写规则。
具体的,Grok编写规则对应的语法规则可以为:%{语法:语义},其中,语法可以指日志数据匹配的模式,例如使用NUMBER模式可以匹配出数字,利用IP模式则可以匹配出形如127.0.0.1的网间协议(Internet Protocol,IP)地址。语义可以指语法对应的字段的具体含义,例如利用USERNAME或USER可以表示用户名,利用DATE可以表示日期。
其中,目标解析语句可以指目标系统对应的与目标归类日志匹配的解析语句。通常,同一模式类别的目标归类日志匹配同一个目标解析语句。
本发明实施例的技术方案,通过预处理获取的目标系统对应的全量历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据,之后,归类处理各基础日志数据,得到目标系统对应的目标归类日志,最后,依据预设语句规则格式化转换目标归类日志,得到目标系统对应的与目标归类日志匹配的目标解析语句,解决了日志数据对应的解析语句的编写效率及准确率低的问题,能够自动生成日志数据对应的解析语句,提高了解析语句的生成效率和准确率。
实施例二
图2为本发明实施例二提供的一种基于日志的解析语句生成方法的流程图,本实施例以上述实施例为基础进行细化,在本实施例中具体是对预处理所述历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据的操作进行细化,具体可以包括:依据预设变量字段确定各历史日志数据中的目标变量;依据与所述预设变量字段匹配的目标关键字段常量变更各历史日志数据中的目标变量,得到各历史日志数据对应的基础日志数据。如图2所示,该方法包括:
S210、获取目标系统对应的全量历史日志数据。
具体的,接收通过日志探针或其它设备采集的目标系统在历史运行过程中产生的全量历史日志数据。
S220、依据预设变量字段确定各历史日志数据中的目标变量。
其中,预设变量字段可以指预先设定的变量识别字段。示例性的,预设变量字段可以为历史日志数据中的时间识别字段,也可以为历史日志数据中的IP识别字段。由此,通过预设变量字段可以识别出历史数据中的相应变量。
其中,目标变量可以指历史日志数据中识别出的变量。示例性的,若历史日志数据为:2023-05-0416:05:16.998user1 login in,预设变量字段为时间识别字段,则历史日志数据中的目标变量可以为:2023-05-0416:05:16.998。
S230、依据与所述预设变量字段匹配的目标关键字段常量变更各历史日志数据中的目标变量,得到各历史日志数据对应的基础日志数据。
其中,目标关键字段常量可以指与预设变量字段匹配的常量字段。示例性的,若预设变量字段为时间识别字段,则对应的目标关键字段常量可以为datetime。
具体的,若历史日志数据为:2023-05-0416:05:16.998user1 login in,经预设变量字段(即时间识别字段),确定出历史日志数据中的目标变量为:2023-05-0416:05:16.998,时间识别字段对应的目标关键字段常量为datetime。则可以利用目标关键字段常量datetime变更历史日志数据中的目标变量2023-05-0416:05:16.998,得到基础日志数据。其中,基础日志数据具体为:{datetime}user1 login in。
S240、依据预设文本相似度分析算法确定各基础日志数据间的相似度数值。
其中,预设文本相似度分析算法可以指预先设定的用于进行文本相似度计算的算法。示例性的,可以为词频-逆文本频率指数(Term Frequency–Inverse DocumentFrequency,TF-IDF)算法,潜在语义索引(Latent Semantic Indexing,LSI)模型,或者基于深度树的在线日志解析(An Online Log Parsing Approach with Fixed Depth Tree,Drain)算法。在本发明实施例中,可以优先选用Drain算法作为预设文本相似度分析算法。
其中,相似度数值可以指通过预设文本相似度分析算法计算得到的两个基础日志数据间的具体相似度。通常,两个基础日志数据间匹配同一个相似度数值。
S250、将满足预设相似度阈值的目标相似度数值对应的各目标基础日志数据归类,得到各目标基础日志数据的目标模式类别。
其中,预设相似度阈值可以指预先设定的用于对基础日志数据间的相似度数值进行评估的数值。示例性的,可以为80%,也可以为90%。本发明实施例对此不进行限制。
其中,目标相似度数值可以指超过预设相似度阈值的相似度数值。目标基础日志数据可以指与目标相似度数值对应的基础日志数据。通常,同一个目标相似度数值可以对应两个目标基础日志数据。
其中,目标模式类别可以指目标基础日志数据对应的分类类别。示例性的,若同一目标模式类别下的目标基础日志数据分别为:{datetime}user1 login in和{datetime}user2 login in。则该目标模式类别可以确定为用户名。
S260、依据所述目标模式类别对应的目标类别关键字段变更各目标基础日志数据中的目标类别字段,得到目标系统对应的目标归类日志,其中,目标归类日志包含目标关键字段常量以及目标类别关键字段。
其中,目标类别关键字段可以指与目标模式类别对应的变更字段。示例性的,若目标模式类别确定为用户名,则目标类别关键字段可以为word。
其中,目标类别字段可以指目标基础日志数据中表示目标模式类别的字段。示例性的,若同一目标模式类别下的目标基础日志数据分别为:{datetime}user1 login in和{datetime}user2 login in。则目标基础日志数据中的目标类别字段可以为user1和user2。
具体的,若同一目标模式类别下的目标基础日志数据分别为:{datetime}user1login in和{datetime}user2 login in。可以根据目标模式类别用户名确定目标类别关键字段为word,进而,利用目标类别关键字段word变更目标基础日志数据中的目标类别字段user1和user2,得到目标基础日志数据{datetime}user1 login in和{datetime}user2login in共同对应的目标归类日志。其中,目标归类日志具体可以为:{datetime}{word}login in。
S270、依据预设语句规则格式化转换所述目标归类日志中的目标关键字段常量以及目标类别关键字段,得到目标系统对应的与所述目标归类日志匹配的目标解析语句。
具体的,在得到目标系统对应的目标归类日志之后,可以利用预设语句规则格式化转换目标归类日志中的目标关键字段常量以及目标类别关键字段。示例性的,若目标归类日志为:{datetime}{word}login in,解析语句为Grok语句,则可以利用\s*或者\s+替换目标归类日志中的空白字符,利用Grok编写规则对应的语法规则:%{语法:语义},对目标归类日志中的目标关键字段常量以及目标类别关键字段进行格式转换,得到与目标归类日志匹配的目标解析语句。其中,目标解析语句具体可以为:{datetime:date}\s+{word:username}\s+login\s+in。
本发明实施例的技术方案,通过预设变量字段确定获取的目标系统对应的各历史日志数据中的目标变量,并依据与预设变量字段匹配的目标关键字段常量变更各历史日志数据中的目标变量,得到各历史日志数据对应的基础日志数据,进而,依据预设文本相似度分析算法确定各基础日志数据间的相似度数值,将满足预设相似度阈值的目标相似度数值对应的各目标基础日志数据归类,得到各目标基础日志数据的目标模式类别,并依据目标模式类别对应的目标类别关键字段变更各目标基础日志数据中的目标类别字段,得到目标系统对应的目标归类日志,最后,依据预设语句规则格式化转换目标归类日志中的目标关键字段常量以及目标类别关键字段,得到目标系统对应的与目标归类日志匹配的目标解析语句,解决了日志数据对应的解析语句的编写效率及准确率低的问题,能够自动生成日志数据对应的解析语句,提高了解析语句的生成效率和准确率。
在上述实施例的基础上,本发明实施例在所述依据预设语句规则格式化转换所述目标归类日志,得到目标系统对应的与所述目标归类日志匹配的目标解析语句之后,还可以包括:将目标系统对应的与各目标归类日志匹配的各目标解析语句存储至预设数据库;接收目标系统对应的当前日志数据,并在所述预设数据库中确定与所述当前日志数据对应的当前解析语句;依据所述当前解析语句解析处理所述当前日志数据,得到当前日志数据对应的日志解析数据。
其中,预设数据库可以指预先设定的用于进行解析语句存储的数据库。当前日志数据可以指目标系统在实时运行过程中生成的日志数据。当前解析语句可以指预设数据库中与当前日志数据匹配的解析语句。通过可以通过遍历的方式确定当前解析语句。日志解析数据可以指利用当前解析语句对当前日志数据进行解析处理后得到的解析数据。通常,日志解析数据为结构化的数据格式。
具体的,在生成目标系统对应的与各目标归类日志匹配的目标解析语句之后,可以将目标系统对应的全量目标解析语句存储至预设数据库中,当目标系统生成当前日志数据时,可以在预设数据库中确定与当前日志数据对应的当前解析语句,并利用当前解析语句解析处理当前日志数据,得到当前日志数据对应的日志解析数据,由此,提高了日志数据的分析效率和准确率。
在一个可选的实施方式中,在所述依据所述当前解析语句解析处理所述当前日志数据,得到当前日志数据对应的日志解析数据之后,还可以包括:获取当前日志数据对应的日志解析数据的日志解析结果,若目标日志解析结果的分布概率超过预设优化阈值,优化调整目标系统对应的各目标解析语句。
其中,日志解析结果可以指日志解析数据是否为空的结果。示例性的,日志解析结果可以为解析成功,表示日志解析数据不为空,也可以为解析失败,表示日志解析数据为空。
其中,目标日志解析结果可以指表示解析失败的解析结果。目标日志解析结果的分布概率可以指表示解析失败的解析结果占据全部解析结果的概率值。预设优化阈值可以指预先设定的用于对目标日志解析结果的分布概率进行评估的数值。示例性的,可以为50%,也可以为30%,本发明实施例对此不进行限制。
其中,优化调整可以指利用增加样本量的目标系统对应的全量历史日志数据重新生成与目标归类日志匹配的目标解析语句。通常,由于初期的历史日志数据的数据量不足,可能会导致生成的解析语句的准确率较低,因此,需要通过优化调整的方式提高解析语句的准确率,以保证日志数据的分析效率和准确率。
具体的,在对预先生成的解析语句进行使用的过程中,还需要对利用解析语句生成的日志解析数据的日志解析结果进行分析,当利用解析语句进行日志解析处理时,解析失败的概率超过预设优化阈值,则需要重新对预设数据库中的各目标解析语句进行重新优化调整,以保证后续日志数据的分析效率和准确率。
图3所示为本发明实施例提供的一种可选的基于日志的解析语句生成方法的流程图。具体的,首先,接收目标系统对应的全量历史日志数据,并预处理历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据,进而,依据预设文本相似度分析算法确定各基础日志数据间的相似度数值,将满足预设相似度阈值的目标相似度数值对应的各目标基础日志数据归类,得到各目标基础日志数据的目标模式类别,并依据目标模式类别对应的目标类别关键字段变更各目标基础日志数据中的目标类别字段,得到目标系统对应的目标归类日志,实现基础日志数据的相似度分析,进一步,依据预设语句规则格式化转换目标归类日志,生成目标系统对应的与目标归类日志匹配的目标解析语句,并将目标系统对应的与各目标归类日志匹配的各目标解析语句存储至预设数据库,最后,接收目标系统对应的当前日志数据,并在预设数据库中确定与当前日志数据对应的当前解析语句,依据当前解析语句解析处理当前日志数据,得到当前日志数据对应的日志解析数据,并获取当前日志数据对应的日志解析数据的日志解析结果,若目标日志解析结果的分布概率超过预设优化阈值,优化调整目标系统对应的各目标解析语句。
实施例三
图4为本发明实施例三提供的一种基于日志的解析语句生成装置的结构示意图。如图4所示,该装置包括:预处理模块310、归类处理模块320及解析语句生成模块330;
其中,预处理模块310,用于获取目标系统对应的全量历史日志数据,并预处理所述历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据;
归类处理模块320,用于归类处理各基础日志数据,得到目标系统对应的目标归类日志;
解析语句生成模块330,用于依据预设语句规则格式化转换所述目标归类日志,得到目标系统对应的与所述目标归类日志匹配的目标解析语句。
本发明实施例的技术方案,通过预处理获取的目标系统对应的全量历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据,之后,归类处理各基础日志数据,得到目标系统对应的目标归类日志,最后,依据预设语句规则格式化转换目标归类日志,得到目标系统对应的与目标归类日志匹配的目标解析语句,解决了日志数据对应的解析语句的编写效率及准确率低的问题,能够自动生成日志数据对应的解析语句,提高了解析语句的生成效率和准确率。
可选的,预处理模块310,具体可以用于:
依据预设变量字段确定各历史日志数据中的目标变量;
依据与所述预设变量字段匹配的目标关键字段常量变更各历史日志数据中的目标变量,得到各历史日志数据对应的基础日志数据。
可选的,归类处理模块320,具体可以用于:
依据预设文本相似度分析算法确定各基础日志数据间的相似度数值;
将满足预设相似度阈值的目标相似度数值对应的各目标基础日志数据归类,得到各目标基础日志数据的目标模式类别;
依据所述目标模式类别对应的目标类别关键字段变更各目标基础日志数据中的目标类别字段,得到目标系统对应的目标归类日志。
可选的,所述目标归类日志包含目标关键字段常量以及目标类别关键字段;
解析语句生成模块330,具体可以用于:
依据预设语句规则格式化转换所述目标归类日志中的目标关键字段常量以及目标类别关键字段,得到目标系统对应的与所述目标归类日志匹配的目标解析语句。
可选的,基于日志的解析语句生成装置,还可以包括:日志解析模块,用于在所述依据预设语句规则格式化转换所述目标归类日志,得到目标系统对应的与所述目标归类日志匹配的目标解析语句之后,将目标系统对应的与各目标归类日志匹配的各目标解析语句存储至预设数据库;接收目标系统对应的当前日志数据,并在所述预设数据库中确定与所述当前日志数据对应的当前解析语句;依据所述当前解析语句解析处理所述当前日志数据,得到当前日志数据对应的日志解析数据。
可选的,基于日志的解析语句生成装置,还可以包括:优化调整模块,用于在所述依据所述当前解析语句解析处理所述当前日志数据,得到当前日志数据对应的日志解析数据之后,获取当前日志数据对应的日志解析数据的日志解析结果,若目标日志解析结果的分布概率超过预设优化阈值,优化调整目标系统对应的各目标解析语句。
可选的,全量历史日志数据,包括:非结构化文本数据。
本发明实施例所提供的基于日志的解析语句生成装置可执行本发明任意实施例所提供的基于日志的解析语句生成方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备410的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备410包括至少一个处理器420,以及与至少一个处理器420通信连接的存储器,如只读存储器(ROM)430、随机访问存储器(RAM)440等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器420可以根据存储在只读存储器(ROM)430中的计算机程序或者从存储单元490加载到随机访问存储器(RAM)440中的计算机程序,来执行各种适当的动作和处理。在RAM 440中,还可存储电子设备410操作所需的各种程序和数据。处理器420、ROM 430以及RAM440通过总线450彼此相连。输入/输出(I/O)接口460也连接至总线450。
电子设备410中的多个部件连接至I/O接口460,包括:输入单元470,例如键盘、鼠标等;输出单元480,例如各种类型的显示器、扬声器等;存储单元490,例如磁盘、光盘等;以及通信单元4100,例如网卡、调制解调器、无线通信收发机等。通信单元4100允许电子设备410通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器420可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器420的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器420执行上文所描述的各个方法和处理,例如基于日志的解析语句生成方法。
该方法包括:
获取目标系统对应的全量历史日志数据,并预处理所述历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据;
归类处理各基础日志数据,得到目标系统对应的目标归类日志;
依据预设语句规则格式化转换所述目标归类日志,得到目标系统对应的与所述目标归类日志匹配的目标解析语句。
在一些实施例中,基于日志的解析语句生成方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元490。在一些实施例中,计算机程序的部分或者全部可以经由ROM 430和/或通信单元4100而被载入和/或安装到电子设备410上。当计算机程序加载到RAM 440并由处理器420执行时,可以执行上文描述的基于日志的解析语句生成方法的一个或多个步骤。备选地,在其他实施例中,处理器420可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于日志的解析语句生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种基于日志的解析语句生成方法,其特征在于,包括:
获取目标系统对应的全量历史日志数据,并预处理所述历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据;
归类处理各基础日志数据,得到目标系统对应的目标归类日志;
依据预设语句规则格式化转换所述目标归类日志,得到目标系统对应的与所述目标归类日志匹配的目标解析语句。
2.根据权利要求1所述的方法,其特征在于,所述预处理所述历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据,包括:
依据预设变量字段确定各历史日志数据中的目标变量;
依据与所述预设变量字段匹配的目标关键字段常量变更各历史日志数据中的目标变量,得到各历史日志数据对应的基础日志数据。
3.根据权利要求1所述的方法,其特征在于,所述归类处理各基础日志数据,得到目标系统对应的目标归类日志,包括:
依据预设文本相似度分析算法确定各基础日志数据间的相似度数值;
将满足预设相似度阈值的目标相似度数值对应的各目标基础日志数据归类,得到各目标基础日志数据的目标模式类别;
依据所述目标模式类别对应的目标类别关键字段变更各目标基础日志数据中的目标类别字段,得到目标系统对应的目标归类日志。
4.根据权利要求1所述的方法,其特征在于,所述目标归类日志包含目标关键字段常量以及目标类别关键字段;
所述依据预设语句规则格式化转换所述目标归类日志,得到目标系统对应的与所述目标归类日志匹配的目标解析语句,包括:
依据预设语句规则格式化转换所述目标归类日志中的目标关键字段常量以及目标类别关键字段,得到目标系统对应的与所述目标归类日志匹配的目标解析语句。
5.根据权利要求1所述的方法,其特征在于,在所述依据预设语句规则格式化转换所述目标归类日志,得到目标系统对应的与所述目标归类日志匹配的目标解析语句之后,还包括:
将目标系统对应的与各目标归类日志匹配的各目标解析语句存储至预设数据库;
接收目标系统对应的当前日志数据,并在所述预设数据库中确定与所述当前日志数据对应的当前解析语句;
依据所述当前解析语句解析处理所述当前日志数据,得到当前日志数据对应的日志解析数据。
6.根据权利要求5所述的方法,其特征在于,在所述依据所述当前解析语句解析处理所述当前日志数据,得到当前日志数据对应的日志解析数据之后,还包括:
获取当前日志数据对应的日志解析数据的日志解析结果,若目标日志解析结果的分布概率超过预设优化阈值,优化调整目标系统对应的各目标解析语句。
7.根据权利要求1所述的方法,其特征在于,所述全量历史日志数据,包括:非结构化文本数据。
8.一种基于日志的解析语句生成装置,其特征在于,包括:
预处理模块,用于获取目标系统对应的全量历史日志数据,并预处理所述历史日志数据,得到各历史日志数据对应的包含设定关键字段常量的基础日志数据;
归类处理模块,用于归类处理各基础日志数据,得到目标系统对应的目标归类日志;
解析语句生成模块,用于依据预设语句规则格式化转换所述目标归类日志,得到目标系统对应的与所述目标归类日志匹配的目标解析语句。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的基于日志的解析语句生成方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的基于日志的解析语句生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310909608.5A CN116955075A (zh) | 2023-07-24 | 2023-07-24 | 一种基于日志的解析语句生成方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310909608.5A CN116955075A (zh) | 2023-07-24 | 2023-07-24 | 一种基于日志的解析语句生成方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116955075A true CN116955075A (zh) | 2023-10-27 |
Family
ID=88450736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310909608.5A Pending CN116955075A (zh) | 2023-07-24 | 2023-07-24 | 一种基于日志的解析语句生成方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116955075A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117215902A (zh) * | 2023-11-09 | 2023-12-12 | 北京集度科技有限公司 | 日志解析方法、装置、设备及存储介质 |
-
2023
- 2023-07-24 CN CN202310909608.5A patent/CN116955075A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117215902A (zh) * | 2023-11-09 | 2023-12-12 | 北京集度科技有限公司 | 日志解析方法、装置、设备及存储介质 |
CN117215902B (zh) * | 2023-11-09 | 2024-03-08 | 北京集度科技有限公司 | 日志解析方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116167352B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114579104A (zh) | 数据分析场景的生成方法、装置、设备及存储介质 | |
CN115454706A (zh) | 一种系统异常确定方法、装置、电子设备及存储介质 | |
CN116955075A (zh) | 一种基于日志的解析语句生成方法、装置、设备及介质 | |
CN115168562A (zh) | 一种智能问答系统的构建方法、装置、设备及介质 | |
CN113157877B (zh) | 多语义识别方法、装置、设备和介质 | |
CN112784050A (zh) | 主题分类数据集生成方法、装置、设备和介质 | |
CN117171296A (zh) | 信息获取方法、装置和电子设备 | |
CN116401281A (zh) | 一种sql查询时间预测方法、装置、设备及介质 | |
CN115934550A (zh) | 一种测试方法、装置、电子设备及存储介质 | |
CN113743112A (zh) | 关键词的提取方法、装置、电子设备及可读存储介质 | |
CN113590774A (zh) | 事件查询方法、装置以及存储介质 | |
CN116737520B (zh) | 一种日志数据的数据编织方法、装置、设备及存储介质 | |
CN117574146B (zh) | 文本分类标注方法、装置、电子设备和存储介质 | |
CN116127948B (zh) | 待标注文本数据的推荐方法、装置及电子设备 | |
CN116069914B (zh) | 训练数据的生成方法、模型训练方法以及装置 | |
CN114492409B (zh) | 文件内容的评价方法、装置、电子设备及程序产品 | |
CN118152341A (zh) | 一种日志查询语句生成方法、装置、设备及存储介质 | |
CN117851599A (zh) | 投资监督其他要素文本抽取方法、装置、设备以及介质 | |
CN115878662A (zh) | 一种语句生成方法、装置、电子设备及介质 | |
CN117290758A (zh) | 非结构化文档的分类分级方法、装置、设备及介质 | |
CN115982366A (zh) | 一种日志分类方法、装置、电子设备及存储介质 | |
CN117708655A (zh) | 一种基于大语言模型的文化知识计算方法 | |
CN115630088A (zh) | 一种语句生成模型优化方法、装置、电子设备及介质 | |
CN117827840A (zh) | 一种索引创建方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |