使用消费组基于消费处理器（SPL）消费日志
通过消费组（ConsumerGroup）消费数据无需关注日志服务的实现细节及消费者之间的负载均衡、故障转移（Failover）等，只需要专注于业务逻辑。本文介绍通过Java消费组、Go消费组和Python消费组的方式，设置SPL语句来消费LogStore中的数据。
如何使用SPL的正则表达式解析Nginx访问日志
Nginx访问日志记录了用户访问的详细信息，解析Nginx访问日志对业务运维具有重要意义。本文介绍如何使用正则表达式函数解析Nginx访问日志。
加工进化论：SPL 一键加速日志转指标
1. 背景 日志服务的 SPL（Search Processing Language）自推出以来，凭借其强大的数据处理能力，已经成为众多开发者和企业实现高效数据分析的首选工具。随着业务场景的不断拓展和技术需求的日益复杂，SPL 持续迭代创新，致力于为用户提供更强大、更灵活的数据加工能力。 此次更新新增了 pack-fields、log-to-metric、me...
一文教会你如何使用 iLogtail SPL 处理日志
随着流式处理的发展，出现了越来越多的工具和语言，使得数据处理变得更加高效、灵活和易用。在此背景下，SLS 推出了 SPL(SLS Processing Language) 语法，以此统一查询、端上处理、数据加工等的语法，保证了数据处理的灵活性。iLogtail 作为日志、时序数据采集器，在 2.0 版本中，全面支持了 SPL 。本文对处理插件进行了梳理，介绍了如何编写 SPL 语句，从插件处理模....
更快更强，SLS 推出高性能 SPL 日志查询模式
1. 引言 随着数字化进程的持续深化，可观测性一直是近年来非常火热的话题，在可观测的三大支柱 Log/Trace/Metric 中，日志（Log）数据一般是最为常见的，企业迈向可观测性的第一步，也往往始于日志数据的采集上云。日志完成收集后，最直接的需求就是从海量日志数据中检索分析出有价值的信息。随着日志数据量的不断增长，数据种类不断增多并日益朝着非结构化、多场景、多模态等方向演...
5% 消耗，6 倍性能：揭秘新一代 iLogtail SPL 日志处理引擎与 Logstash 的 PK
1. 引言 在当今数据驱动的时代，日志收集和处理工具对于保障系统稳定性和优化运维效率至关重要。随着企业数据量的不断增加和系统架构的日益复杂，传统日志处理工具面临着性能、灵活性和易用性等多方面的挑战。Logstash 作为一款广受欢迎的开源日志收集与处理工具，早已广泛应用于各类 IT 环境。然而，随着需求的多样化和技术的发展，新一代日志处理解决方案——iLogtail[1]应运而...
SLS 查询新范式：使用 SPL 对日志进行交互式探索
1. 引言 在构建现代数据和业务系统的过程中，可观测性已经变得至关重要，日志服务（SLS）为 Log/Trace/Metric 数据提供了大规模、低成本、高性能的一站式平台服务，并提供数据采集、加工、投递、分析、告警、可视化等功能，从而全面提升企业在研发、运维、运营和安全等各种场景的数字化能力。 1.1 日志数据天然是非结构化的 日志（Log）数据作为...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
