ログ収集でGETのqueryパラメータをjsonにパースする方法がわからない

Question

apacheのアクセスログをfluentdで収集して、s3に保存しRedShiftに蓄積したいのですが、GETのクエリ文字列部分の取り出し方がわからず苦戦しております。（jsonにパースしたい）

例）
//hogehoge.co.jp/test.php?test_id=111&param=hoge

apacheのLogFormatで%qを指定し、"?test_id=111&param=hoge"までは取得できています。
これを、{"test_id:111","param":"hoge"}のjsonの形にパースしたいのですが、やり方がわかりません。。。

どなたかご教示いただけますと幸いです。

Answer 1

out_exec_filterプラグインを使用すれば、実現できそうです。
http://docs.fluentd.org/articles/out_exec_filter

・NIA様のご回答のようにクエリ文字列をJSON形式に変換するスクリプトを作成し、
・それをout_exec_filterで呼び出し、
・スクリプトの出力を再びfluentdで受け取り、s3に保存する、

という手順です。

以下のリンクが参考になるかと思います。
http://studio3104.hatenablog.com/entry/20120619/1340069545

ところで、クエリ文字列をパースしてからs3に保存したい理由は、何でしょうか？

これは私見ですが、ログを集約するタイミングでは、あまり複雑な処理は行なわない方が良いように思います。

上の参考リンクでも
「out_exec_filter自体の実行コストが安くない？」
と言及していますように、fluentdが集約対象のサービスの足を引っ張ったり、
ログを取りこぼす原因になる可能性があると思われるためです。

加えて、ログのフォーマットを特定の目的にカスタマイズしすぎると、
後で別の目的に流用したくなった際に、再度、パースしなければならなくなるかも知れません。

可能であれば、クエリ文字列は生のままで保存し、
s3またはRedShiftから取り出す際にJSON形式にパースすることを検討されてはいかがでしょうか？

見当はずれな意見でしたら、ご容赦願います。

Answer 2

言語が分からないのでPHPで参考程度に記載します。

<?php
$url = 'http://test.jp/index?test_id=111&param=hoge';

$param = parse_url($url);

echo "<pre>";
var_dump($param['query']);
echo "</pre>";

$param = split("&",$param['query']);
$params = array();

foreach($param as $val)
{
  $tmp = split("=",$val);
  $params[$tmp[0]] = $tmp[1];
}

echo "<pre>";
var_dump($params);
echo "</pre>";

後はJSONの型に整えるだけかと思います。