[[411452]]

 最近發現點好玩的工具，迫不及待的想跟大家分享一下。

大家平時都怎么查Linux日志呢？像我平時會用tail、head、cat、sed、more、less這些經典系統命令，或者awk這類三方數據過濾工具，配合起來查詢效率很高。但在使用過程中有一點讓我比較頭疼，那就是命令參數規則太多了，記的人腦殼疼。

那查日志有沒有一種通用的方式，比如用SQL查詢，畢竟這是程序員都比較熟悉的表達式。

今天分享的工具q，就實現了以寫SQL的方式來查詢、統計文本內容，一起看看這貨到底有什么神奇之處。

搭個環境

q是一個命令行工具，允許我們在任意文件或者查詢結果，比如可以在ps -ef查詢進程命令的結果集上，直接執行SQL語句查詢。

宗旨就是文本即數據庫表，額～，當然這句話是我自己理解的，哈哈哈

它將普通文件或者結果集當作數據庫表，幾乎支持所有的SQL結構，如WHERE、GROUP BY、JOINS等，支持自動列名和列類型檢測，支持跨文件連接查詢，這兩個后邊詳細介紹，支持多種編碼。

安裝比較簡單，在Linux CentOS環境，只要如下三步搞定，Windows環境更是只需安裝個exe就可以用了。 

wget https://github.com/harelba/q/releases/download/1.7.1/q-text-as-data-1.7.1-1.noarch.rpm #下載版本  
sudo rpm -ivh q-text-as-data-1.7.1-1.noarch.rpm # 安裝  
q --version  #查看安裝版本 

“官方文檔：https://harelba.github.io/q

語法

q支持所有SQLiteSQL語法，標準命令行格式q + 參數命令 + "SQL"

q <命令> "<SQL>" 

我要查詢myfile.log文件的內容，直接q "SELECT * FROM myfile.log"。

q "SELECT * FROM myfile.log" 

q不附加參數使用是完全沒有問題的，但利用參數會讓顯示結果更加美觀，所以這里簡單了解一下，它的參數分為 2種。

input輸入命令：指的是對要查詢的文件或結果集進行操作，比如：-H命令，表示輸入的數據包含標題行。 

q -H "SELECT * FROM myfile.log" 

在這種情況下，將自動檢測列名，并可在查詢語句中使用。如果未提供此選項，則列將自動命名為cX，以c1起始以此類推。 

q  "select c1，c2 from ..." 

•  output輸出命令：作用在查詢輸出的結果集，比如：-O，讓查詢出來的結果顯示列名。 

[root@iZ2zebfzaequ90bdlz820sZ software]# ps -ef | q -H "select count(UID) from - where UID='root'"  
104  
[root@iZ2zebfzaequ90bdlz820sZ software]# ps -ef | q -H -O "select count(UID) from - where UID='root'"  
count(UID)  
104 

還有很多參數就不一一列舉了，感興趣的同學在官網上看下，接下來我們重點演示一下使用SQL如何應對各種查詢日志的場景。

玩法賊多

下邊咱們一起看幾個查詢日志的經常場景中，這個SQL該如何寫。

1、關鍵字查詢

關鍵字檢索，應該是日常開發使用最頻繁的操作，不過我個人認為這一點q并沒有什么優勢，因為它查詢時必須指定某一列。 

[root@iZ2zebfzaequ90bdlz820sZ software]# q "select * from douyin.log where c9 like '%待解析%'"  
2021-06-11 14:46:49.323 INFO 22790 --- [nio-8888-exec-2] c.x.douyin.controller.ParserController : 待解析URL :url=https%3A%2F%2Fv.douyin.com%2Fe9g9uJ6%2F                                            
2021-06-11 14:57:31.938 INFO 22790 --- [nio-8888-exec-5] c.x.douyin.controller.ParserController : 待解析URL :url=https%3A%2F%2Fv.douyin.com%2Fe9pdhGP%2F                                              
2021-06-11 15:23:48.004 INFO 22790 --- [nio-8888-exec-2] c.x.douyin.controller.ParserController : 待解析URL :url=https%3A%2F%2Fv.douyin.com%2Fe9pQjBR%2F                                              
2021-06-11 2 

而用grep命令則是全文檢索。 

[root@iZ2zebfzaequ90bdlz820sZ software]# cat douyin.log | grep '待解析URL'  
2021-06-11 14:46:49.323  INFO 22790 --- [nio-8888-exec-2] c.x.douyin.controller.ParserController   : 待解析URL :url=https%3A%2F%2Fv.douyin.com%2Fe9g9uJ6%2F  
2021-06-11 14:57:31.938  INFO 22790 --- [nio-8888-exec-5] c.x.douyin.controller.ParserController   : 待解析URL :url=https%3A%2F%2Fv.douyin.com%2Fe9pdhGP%2F 

2、模糊查詢

like模糊搜索，如果文本內容列有名字直接用列名檢索，沒有則直接根據列號c1、c2、cN。 

[root@iZ2zebfzaequ90bdlz820sZ software]# cat test.log   
abc  
2  
3  
4  
5  
23  
24  
25  
[root@iZ2zebfzaequ90bdlz820sZ software]# q -H -t "select * from test.log where abc like '%2%'"  
Warning: column count is one - did you provide the correct delimiter?  
2  
23  
24  
25 

3、交集并集

支持UNION和UNION ALL操作符對多個文件取交集或者并集。

如下建了test.log和test1.log兩個文件，里邊的內容有重疊，用union進行去重。 

q -H -t "select * from test.log union select * from test1.log"  
[root@iZ2zebfzaequ90bdlz820sZ software]# cat test.log   
abc  
2  
3  
4  
5  
[root@iZ2zebfzaequ90bdlz820sZ software]# cat test1.log   
abc  
3  
4  
5  
6  
[root@iZ2zebfzaequ90bdlz820sZ software]# q -H -t "select * from test.log union select * from test1.log"  
Warning: column count is one - did you provide the correct delimiter?  
Warning: column count is one - did you provide the correct delimiter?  
2  
3  
4  
5  
6 

4、內容去重

比如統計某個路徑下的./clicks.csv文件中，uuid字段去重后出現的總個數。 

q -H -t "SELECT COUNT(DISTINCT(uuid)) FROM ./clicks.csv" 

5、列類型自動檢測

注意：q會理解每列是數字還是字符串，判斷是根據實數值比較，還是字符串比較進行過濾，這里會用到-t命令。 

q -H -t "SELECT request_id,score FROM ./clicks.csv WHERE score > 0.7 ORDER BY score DESC LIMIT 5" 

6、字段運算

讀取系統命令查詢結果，計算/tmp目錄中每個用戶和組的總值?？梢詫ψ侄芜M行運算處理。 

sudo find /tmp -ls | q "SELECT c5,c6,sum(c7)/1024.0/1024 AS total FROM - GROUP BY c5,c6 ORDER BY total desc"  
[root@iZ2zebfzaequ90bdlz820sZ software]# sudo find /tmp -ls | q "SELECT c5,c6,sum(c7)/1024.0/1024 AS total FROM - GROUP BY c5,c6 ORDER BY total desc"  
www www 8.86311340332  
root root 0.207922935486  
mysql mysql 4.76837158203e-06 

7、數據統計

統計系統擁有最多進程數的前 3個用戶ID，按降序排序，這就需要和系統命令配合使用了，先查詢所有進程再利用SQL篩選，這里的q命令就相當grep命令。 

ps -ef | q -H "SELECT UID,COUNT(*) cnt FROM - GROUP BY UID ORDER BY cnt DESC LIMIT 3"  
[root@iZ2zebfzaequ90bdlz820sZ software]# ps -ef | q -H "SELECT UID,COUNT(*) cnt FROM - GROUP BY UID ORDER BY cnt DESC LIMIT 3"  
root 104  
www 16  
rabbitmq 4  
[root@iZ2zebfzaequ90bdlz820sZ software]# ps -ef | q -H -O "SELECT UID,COUNT(*) cnt FROM - GROUP BY UID ORDER BY cnt DESC LIMIT 3"  
UID cnt  
root 110  
www 16  
rabbitmq 4 

我們看到加與不加-O命令的區別就是否顯示查詢結果的標題。

8，連文件查

一般情況下，我們的日志文件會按天分割成很多個固定容量的子文件，在沒有統一的日志收集服務器的情況下，如果不給個報錯時間區間去查一個關鍵詞，那么無異于大海撈針。

如果可以將所有文件內容合并后在查就會省事很多，q支持將文件像數據庫表那樣聯合查詢。 

q -H "select * from douyin.log a join douyin-2021-06-18.0.log b on (a.c2=b.c3) where b.c1='root'" 

總結

看完可能會有人抬杠：q寫這么多代碼直接用awk不香嗎？額～ 介紹這個工具的初衷并不是說要替換現有哪種工具，而是多提供一種更為便捷的查日志方法。

我也有在用awk確實很強大沒得說，但這里邊涉及到一個學習成本的問題，琳瑯滿目的命令、匹配規則想玩轉還是要下點功夫的。而對于新手程序員稍微有點數據庫經驗，寫SQL問題都不大，上手q則會容易的多。