解锁DQL高级玩法——对日志关键信息提取和分析

背景

许多用户在日志查询方面已经积累了一定的使用习惯，尤其是习惯于使用某些查询语法进行高效检索。现在，日志数据全面接入观测云并通过 DataKit 进行采集，用户最关心的问题是：能否通过 DQL 实现以往熟悉的查询方式，甚至更进一步提升效率？答案是肯定的，DQL 不仅具备高度灵活性，还能提供更强大的日志处理能力。下面我们通过一个脱敏后的真实案例，逐步演示如何利用 DQL 高效解析和统计日志。

示例日志

一行典型的业务日志（已脱敏）：

json 复制代码

{
  "timestamp": "2025-06-10 11:09:06.558",
  "level": "INFO",
  "thread": "XXXXXXXXXXXXXXXXXXXXXX6",
  "mdc": {
    "traceId": "f961xxxxd4ab8",
    "spanId": "96b41dxxxxxx5111c",
    "x-st-correlation": "XXXXXXXXXXXXXXXXXX23"
  },
  "message": "User :aaaabbbdd is rate limited",
  "context": "default"
}

需求分析

用户常见的查询需求可概括为以下几步：

从日志中提取特定信息（如 userid：aaaabbdd）
对提取出的信息进行数量统计
对统计结果进行排序

以往在某些查询平台中，用户可能会编写类似以下的语句（语法仅为示意）：

csharp 复制代码

_index=tier3_app_auth _source=aaa _sourceCategory=prod "is rate limited" | parse ""message":"User :* is rate limited"" as userId | count by userId | sort by _count desc as you can see the log is "User : is rate limited".

接下来我们将展示如何通过 DQL 实现相同甚至更优的效果。

DQL 实现

为了清晰体现从解析到统计的完整流程，我们分两步实现：

Step1：提取 userid

通过 DQL 的 regexp_extract() 函数，使用正则表达式从 message 字段中提取 userid：

csharp 复制代码

# explain
 L('日志索引')::`日志来源`:(regexp_extract(message,'正则表达式', 1) as m1)
 
# DQL
L('default')::`san1`:(regexp_extract(message,'User :(.*) is rate limited', 1) as m1)

该语句执行后返回提取出的 ml 字段，即 userid。

字段说明	示例值
default	日志索引（Index）
san1	日志来源（Source）
message	要解析的字段
1	正则里第 1 个捕获组

函数 regexp_extract 中对应参数解释如下：

非命名参数	描述	类型	是否必填	默认值
字段名称	查询的字段	string	是
正则表达式	包含捕获组的正则表达式	string	是
返回的分组	返回的第 n 个分组	int	否	0（表示匹配整个正则表达式），1（表示匹配正则表达式中第一组，以此类推...）

查询返回的结果如下（m1列就是日志原文中提取出来的 uesrid）：

Step2：统计与排序

接下来我们使用嵌套查询，对上一步提取出的 ml（userid）进行计数和排序：

python 复制代码

# datasource 数据来源
# target_clause 指定要查询的列
# by-clause 分组依据
# sorder-by-clause 排序查询结果

'''
L::(
    __datasource__
):(
    __target_clause__
) by-clause 
sorder-by-clause
 '''

# DQL结构拆解
'''

L::(
    L('default')::`san1`:(
        regexp_extract(message,'User :(.*) is rate limited', 1) as m1
     )
):(
    count(`m1`) as c1
) by m1 
sorder by c1 desc

'''


# DQL
L::(L('default')::`san1`:(regexp_extract(message,'User :(.*) is rate limited', 1) as m1)):(count(`m1`) as c1) by m1 sorder by c1 desc

执行结果：

ml：提取出的 userid
c1：该 userid 出现的次数
结果按 c1 降序排列

总结

通过正则提取 + 嵌套查询的组合，DQL 能够高效完成日志解析、统计和排序等复杂操作。依托观测云的高性能日志处理引擎，即使在大规模数据场景下，查询仍能秒级返回结果。DQL 语法简洁却功能强大，支持用户在不改变原有检索习惯的基础上，进一步提升日志分析效率与灵活性。