AthenaでALBログ分析
- Athenaの開始方法は以下の公式参照して同じようにやっていけばセットアップ完了する
- 自分自身がやった手順をさらに詳細に
データベースを作成
create database データベース名
クエリの結果を出力するS3バケット作成/ワークグループに紐付け
- https://docs.aws.amazon.com/ja_jp/athena/latest/ug/querying.html
- 以前はデフォルトで勝手に出力用のS３バケットが作成されたが今は自分で作成する
- ワークグループに紐付け
パーティションテーブルを作成
- https://docs.aws.amazon.com/athena/latest/ug/application-load-balancer-logs.html
- https://relic-inc.esa.io/posts/2339
CREATE EXTERNAL TABLE IF NOT EXISTS alb_logs_20221125 (
type string,
time string,
elb string,
client_ip string,
client_port int,
target_ip string,
target_port int,
request_processing_time double,
target_processing_time double,
response_processing_time double,
elb_status_code int,
target_status_code string,
received_bytes bigint,
sent_bytes bigint,
request_verb string,
request_url string,
request_proto string,
user_agent string,
ssl_cipher string,
ssl_protocol string,
target_group_arn string,
trace_id string,
domain_name string,
chosen_cert_arn string,
matched_rule_priority string,
request_creation_time string,
actions_executed string,
redirect_url string,
lambda_error_reason string,
target_port_list string,
target_status_code_list string,
classification string,
classification_reason string
)
PARTITIONED BY
(
day STRING
)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.RegexSerDe'
WITH SERDEPROPERTIES (
'serialization.format' = '1',
'input.regex' =
'([^ ]*) ([^ ]*) ([^ ]*) ([^ ]*):([0-9]*) ([^ ]*)[:-]([0-9]*) ([-.0-9]*) ([-.0-9]*) ([-.0-9]*) (|[-0-9]*) (-|[-0-9]*) ([-0-9]*) ([-0-9]*) \"([^ ]*) (.*) (- |[^ ]*)\" \"([^\"]*)\" ([A-Z0-9-_]+) ([A-Za-z0-9.-]*) ([^ ]*) \"([^\"]*)\" \"([^\"]*)\" \"([^\"]*)\" ([-.0-9]*) ([^ ]*) \"([^\"]*)\" \"([^\"]*)\" \"([^ ]*)\" \"([^\s]+?)\" \"([^\s]+)\" \"([^ ]*)\" \"([^ ]*)\"')
LOCATION 's3://hoge-production-log/alb/AWSLogs/{accountId}/elasticloadbalancing/ap-northeast-1/'
TBLPROPERTIES
(
"projection.enabled" = "true",
"projection.day.type" = "date",
"projection.day.range" = "2022/01/01,NOW",
"projection.day.format" = "yyyy/MM/dd",
"projection.day.interval" = "1",
"projection.day.interval.unit" = "DAYS",
"storage.location.template" = "s3://hoge-production-log/alb/AWSLogs/{accounId}/elasticloadbalancing/ap-northeast-1/${day}"
)
適宜、ALBログが格納されているS3バケットを指定する。
クエリを試しに叩く
SELECT COUNT(request_verb) AS
count,
request_verb,
client_ip
FROM alb_logs
GROUP BY request_verb, client_ip
LIMIT 5;
tips関連
ALBのログをAthenaでクエリする場合そのままではタイムスタンプ(timeカラム)は文字列型
- タイムスタンプのパース
parse_datetime(time, 'yyyy-MM-dd''T''HH:mm:ss.SSSSSS''Z')
- jstにパースしたい
parse_datetime(time, 'yyyy-MM-dd''T''HH:mm:ss.SSSSSS''Z') AT TIME ZONE '+09:00'
クエリ例
- 特定の期間における ELB 5xx エラーのpathごとのカウント
- ELB 5xxエラーなので、target（アプリケーション等）からレスポンスがなかった場合（taget_status_codeカラムに「-」が入っていたパターン）も含まれる
- 該当のALBを絞る場合はarnの末尾を使う
arn:aws:elasticloadbalancing:ap-northeast-1:{accountId}:loadbalancer/hoge/huga/123456789
SELECT
url_extract_host(request_url) as url_host,
url_extract_path(request_url) as url_path,
elb_status_code,
target_status_code,
count(*)
FROM "alb"."alb_logs_20221125"
WHERE
elb = '/hoge/huga/123456789' --ALBのarnの末尾を指定
AND time >= '2022-09-26T00:00' AND time <= '2022-10-09T23:59'
AND elb_status_code / 100 = 5 -- status:5xx
GROUP BY
url_extract_host(request_url) , url_extract_path(request_url), elb_status_code, target_status_code
ORDER BY
count(*) desc
-
特定の期間における HTTP 5xx エラーのカウント
- target_status_codeで絞ろうとすると、カラムに「-」が入っている場合があるため（targetからレスがなかったパターン）、クエリで絞れなかったので注意。いいやりかた知っている人がいればぜひ。
-
特定期間における特定pathの日毎のELB 5××カウント
- サブクエリでtimeカラムの内容をカットしたテーブルを作って対応した
SELECT
url_path,
elb_status_code,
target_status_code,
time,
count(*)
FROM (SELECT
url_extract_path(request_url) as url_path,
elb_status_code,
target_status_code,
SUBSTRING(time, 1, 10) as time
FROM
"alb"."alb_logs_20221125"
WHERE
elb = '/hoge/huga/123456789' --ALBのarnの末尾を指定
AND time >= '2022-09-26T00:00' AND time <= '2022-10-09T23:59'
AND elb_status_code / 100 = 5
AND url_extract_path(request_url) = '/api/v1/hoge/huga'
)
GROUP BY
url_path, elb_status_code, target_status_code, time
ORDER BY
count(*) asc