LoginSignup
16
14

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

@T0000N(T0000 YUKI)in株式会社TORICO

Elasticsearch(v2.1) + Kibana（v4.3） + fluentd(v0.12) twitter解析/環境構築

Last updated at Posted at 2015-12-10

2015y12m04d_142744042.png
2015y12m04d_142751042.png

こんな感じの事ができるようになるためのツールについてご紹介。おお！なんかかっこいい！

具体的にどういうデータを見るの？

  • レスポンス要件が厳しい時に、要件を満たせていないPath（ロジック）を確認する事ができる。
    黒画面の右下では、レスポンスタイムが遅い処理をURL別にグラフ化。本来は3秒以内に返さないといけない処理が10秒くらいかかっているので、対処することとなった。

  • 外部からの攻撃・手法・時間・位置情報の確認。毎朝7時にめっちゃアクセスくる！！と思ったらクローラーが来ていた。

  • どのワードがどの地域でtwitterで呟かれているか確認し、マーケットに利用する。自社の味方になってくれている人を一覧化。バズったワードの発生タイミングや誰からスタートしたかとかも可視化。

何を可視化するか？

ログデータと言われているが、テキストにできるデータならなんでも可能。

OSS製品使っています。サポートを受けようと思えば受けれそうですが、経験はありません・・・

▼構成

architecture
twitter  ---(streaming api)-> java batch --ログファイル---> fluentd ---> elasticsearch ---> kibana <--- nginx <---- browser(client)

ツイッターの情報を取得し、整形してログファイルに吐き出す。
fluentdではログファイルをtailし、elasticsearchに転送する。
クライアントからはKibanaを介してelasticsearchのデータを参照する。

▼インストール

install
 sudo yum install nginx

#"$request_time" "$upstream_response_time"を追加することで、レスポンスタイムを正確に測定できます。
sudo vi /etc/nginx/nginx.conf

/etc/nginx/nginx.conf
log_format  main  '$remote_addr - $remote_user [$time_local] "$request" '
                  '$status $body_bytes_sent "$http_referer" '
                  '"$http_user_agent" "$http_x_forwarded_for" "$request_time" "$upstream_response_time"';
 
    location / {
        proxy_pass http://localhost:5601/;
    }

編集が終わったら、sudo service nginx restartで再起動

そのほかインストールしていきます。

install
# elasticsearch
wget https://download.elasticsearch.org/elasticsearch/release/org/elasticsearch/distribution/rpm/elasticsearch/2.1.0/elasticsearch-2.1.0.rpm
sudo rpm -ivh elasticsearch-2.1.0.rpm
# kibana
wget https://download.elastic.co/kibana/kibana/kibana-4.3.0-linux-x64.tar.gz
tar zxf kibana-4.3.0-linux-x64.tar.gz

terminalを開いて次のcurlコマンドを実行

elasticsearchに勝手にサマリを作られないようにします。

curl
curl -XDELETE localhost:9200/nginx*
curl -XDELETE localhost:9200/twitter*
curl -XPUT localhost:9200/_template/template_1 -d '
{
   "template" : "twitter.httpurl*",
   "mappings" : {
       "twitter.httpurl*": {
           "properties": {
                "url" : { "type" : "string", "index" : "not_analyzed" },
                "tag" : { "type" : "string", "index" : "not_analyzed" }
           }
       }
   }
}'
 
curl -XPUT localhost:9200/_template/template_2 -d '
{
   "template" : "twitter.kuromoji*",
   "mappings" : {
       "twitter.kuromoji*": {
           "properties": {
                "word" : { "type" : "string", "index" : "not_analyzed" }
           }
       }
   }
}'
 
curl -XPUT localhost:9200/_template/template_3 -d '
{
   "template" : "twitter.influence*",
   "mappings" : {
       "twitter.influence*": {
           "properties": {
                "user_id" : { "type" : "string", "index" : "not_analyzed" },
                "user_name" : { "type" : "string", "index" : "not_analyzed" },
                "user_location" : { "type" : "string", "index" : "not_analyzed" },
                "tweet_text" : { "type" : "string", "index" : "not_analyzed" }
           }
       }
   }
}'
 
curl -XPUT localhost:9200/_template/template_nginx -d '
{
   "template" : "nginx.access*",
   "mappings" : {
       "nginx.access*": {
           "properties": {
                "remote" : { "type" : "string", "index" : "not_analyzed" },
                "path" : { "type" : "string", "index" : "not_analyzed" },
                "referer" : { "type" : "string", "index" : "not_analyzed" },
                "method" : { "type" : "string", "index" : "not_analyzed" },
                "forwarder" : { "type" : "string", "index" : "not_analyzed" },
                "request_time" : { "type" : "long"},
                "size" : { "type" : "long"},
                "upstream_response_time" : { "type" : "long"},
                "agent" : { "type" : "string", "index" : "not_analyzed" }
           }
       }
   }
}'

elasticsearch自身が検索エンジンとなっているため、例えばURLが
http://hogehoge.com/aaa/bbb
となっていた場合、 "http://","hogehoge.com","aaa","bbb"に分割されて登録されてしまうので、それを解消するために上記を実施する。

install

# fluentd
curl -L https://toolbelt.treasuredata.com/sh/install-redhat-td-agent2.sh | sh
sudo /opt/td-agent/embedded/bin/fluent-gem install fluent-plugin-elasticsearch

sudo vi /etc/td-agent/td-agent.conf

/etc/td-agent/td-agent.conf

<match nginx.access>
  type copy
 
 
  <store>
    type elasticsearch
    host localhost
    port 9200
    type_name @nginx_log
    include_tag_key true
    logstash_format true
    logstash_prefix nginx.access
    flush_interval 10s
  </store>
</match>
 
 
<match twitter.trend>
  type copy
 
 
  <store>
    type elasticsearch
    host localhost
    port 9200
    type_name @twitter.influence
    include_tag_key true
    logstash_format true
    logstash_prefix twitter.influence
    flush_interval 10s
  </store>
</match>
 
 
<match twitter.kuromoji>
  type copy
 
 
  <store>
    type elasticsearch
    host localhost
    port 9200
    type_name @twitter.kuromoji
    include_tag_key true
    logstash_format true
    logstash_prefix twitter.kuromoji
    flush_interval 10s
  </store>
</match>
 
 
<match twitter.httpurl>
  type copy
 
 
  <store>
    type elasticsearch
    host localhost
    port 9200
    type_name @twitter.httpurl
    include_tag_key true
    logstash_format true
    logstash_prefix twitter.httpurl
    flush_interval 10s
  </store>
</match>
 
 
<match debug.**>
  type stdout
</match>
 
 
<source>
  type forward
</source>
 
 
<source>
  type tail
  format /^(?<remote>[^ ]*) (?<host>[^ ]*) (?<user>[^ ]*) \[(?<time>[^\]]*)\] "(?<method>\S+)(?: +(?<path>[^ ]*) +\S*)?" (?<code>[^ ]*) (?<size>[^ ]*)(?: "(?<referer>[^\"]*)" "(?<agent>[^\"]*)" "(?<forwarder>[^\"]*)" "(?<request_time>[^\"]*)" "(?<upstream_response_time>[^\"]*)")?/
  time_format %d/%b/%Y:%H:%M:%S %z
  types request_time:long,upstream_response_time:long,size:long
  path /var/log/nginx/access.log
  pos_file /var/log/td-agent/nginx-access.pos
  tag nginx.access
</source>
<source>
  type tail
  format /^\[(?<time>[^\]]*)\](?<user_name>.*)(!?;\(userName=)(?<user_id>.*)(!?/userLocation=)(?<user_location>.*)\) : (?<tweet_text>.*)(!?; followersCount=)(?<follwers_count>.*)/
  types follwers_count:integer
  time_format %Y-%m-%d %H:%M:%S
  path /home/ec2-user/logs/influence.log
  pos_file /var/log/td-agent/twitter-trend.pos
  tag twitter.trend
</source>
 
 
<source>
  type tail
  format /(?<word>.*)/
  path /home/ec2-user/logs/kuromoji.log
  pos_file /var/log/td-agent/kuromoji.pos
  tag twitter.kuromoji
</source>
 
 
<source>
  type tail
  format /(?<url>.*)/
  path /home/ec2-user/logs/httpurl.log
  pos_file /var/log/td-agent/httpurl.pos
  tag twitter.httpurl
</source>

サービス起動： sudo service td-agent start

ソースコード（2015/12/07 時点）：https://github.com/n01boy/twitter-trend-searcher

ビルドは "gradle fatJar"コマンドで行う。
生成されたJarファイル： twitter-trend.jar

生成されたtwitter-trend.jarを操作する。 twitter-trend.jarと同じディレクトリに配置：userdict.txt
※JDK1.8にしておく必要があります。ご注意ください。

shell
java -Dtwitter.keywords="検索したいキーワードをカンマ区切りで列挙" -Dtwitter4j.oauth.consumerKey="kaiBWJcoFbfEIFNn7v3pqF***" -Dtwitter4j.oauth.consumerSecret="2d8v1Co2LXmDZOPbpih2NbmdaKJTnFcakhKwr3keBickg3***" -Dtwitter4j.oauth.accessToken="144549526-LLXKbSu1jHNlvc83TNHYMvNt8X8PfVJBRLU9***" -Dtwitter4j.oauth.accessTokenSecret="gAiHbwwJVf52sIsSCqbALSw3zUWGH3yo20wScY2p***" -jar twitter-trend.jar

正常動作を確認できたら、Ctrl+Cでストップ
./logs/influence.logにデータが書き込まれる。これをfluentdが吸い上げている。

▼デーモン化

twitter-trend.sh

twitter-trend.sh
# !/bin/sh
export LANG=ja_JP.UTF-8
java -Dtwitter.keywords="検索したいキーワードをカンマ区切りで列挙" -Dtwitter4j.oauth.consumerKey="kaiBWJcoFbfEIFNn********" -Dtwitter4j.oauth.consumerSecret="2d8v1Co2LXmDZOPbpih2NbmdaKJTnFcakhKwr3keB********" -Dtwitter4j.oauth.accessToken="144549526-LLXKbSu1jHNlvc83TNHYMvNt8X8PfVJ********" -Dtwitter4j.oauth.accessTokenSecret="gAiHbwwJVf52sIsSCqbALSw3zUWGH3yo20w********" -jar twitter-trend.jar

chmod +x twitter-trend.sh

sudo vi /etc/init/twitter-trend.conf

/etc/init/twitter-trend.conf

description "twitter-trend"
author  "Nakam <nakam@hogehoge.com>"
start on runlevel [2345]
stop on runlevel [016]
chdir /home/centos
exec /home/centos/twitter-trend.sh
respawn

sudo initctl start twitter-trend

sudo vi /etc/init/kibana.conf

/etc/init/kibana.conf
description "kibana"
author  "Nakam <nakam@hogehoge.com>"
start on runlevel [2345]
stop on runlevel [016]
chdir /opt/kibana/bin/
exec /opt/kibana/bin/kibana
respawn

sudo initctl start kibana

sudo vi /etc/init/td-agent.conf

/etc/init/td-agent.conf

description "td-agent"
author  "Nakam <nakam@hogehoge.com>"
start on runlevel [2345]
stop on runlevel [016]
chdir /opt/td-agent/embedded/bin
exec /opt/td-agent/embedded/bin/ruby /usr/sbin/td-agent
respawn
sudo initctl start td-agent

-Dtwitter.keywords="ラブライブ,ラブライバ,μ's,ミューズ,音ノ木坂,高坂 穂乃果,絢瀬 絵里,南 ことり,園田 海未,星空 凛,西木野 真姫,東條 希,小泉 花陽,矢澤 にこ,にっこにっこにー"
とかにしておけば、
2015y12m10d_174327687.png

左上はフォロワーの数に比例して縦軸が伸びます。
左下はワードカウントで、何かがバズった時に一気に伸びます。
右の棒グラフは、呟きの中に入っているURLのランキングです。今話題になっているURLが集計できます。
一番右上の円グラフはインフルエンサーのランキング。
その下はホットワード。
上記のグラフで細分化して見たい時用に、右下に生データを表示しています。

自分の会社名をキーワードにしておいて、自社の評判とか、こうして欲しいという要望を集めるためのツールとして利用できると思います。
また、自分が気になるワードを登録しておけば、ニュース等を集めてこれると思います。

■クラスタリング
※また次回・・・

16
14
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
16
14

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?