最近發現點好玩的工具，迫不及待地想跟大家分享一下。
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，記得人腦殼疼。
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。可以對字段進行運算處理。
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再查就會省事很多，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則會容易得多。
原文鏈接：
https://mp.weixin.qq.com/s/8W_2ORAoVFOhZ_afuhYEPQ
