在 Logstash 的过滤器中。有许多的过滤器是可以用来和外部的数据对 pipeline 里的数据进行丰富的。Jdbc_static 过滤器就是其中的一个。此过滤器使用从远程数据库预加载的数据丰富事件。我们之所以选择这个，是因为你不必频繁查询你的数据库，也不会给你的数据库带来很大的压力。

此过滤器最适合使用静态或不经常更改的参考数据（例如环境、用户和产品）来丰富事件。

此过滤器的工作方式是从远程数据库获取数据，将其缓存在本地内存中的 Apache Derby 数据库中，并使用查找来使用本地数据库中缓存的数据来丰富事件。 你可以将过滤器设置为一次加载远程数据（对于静态数据），或者你可以安排远程加载定期运行（对于需要刷新的数据）。

在本篇文章中，我们将详细地介绍如何使用这个过滤器来丰富数据。首先，我们可以参考我之前的另外一篇文章 “Logstash：运用 jdbc_streaming 来丰富我们的数据” 来设置如何访问 MySQL 数据以及在 Jdbc stack 过滤器中如何配置访问 MySQL。

安装 MySQL

如果你还没有安装及配置好你的 MySQL，请参照我之前的文章 “Logstash：把 MySQL 数据导入到 Elasticsearch 中” 来进行安装及配置好自己的 MySQL 数据库。记得把相应的 Connector 放入相应的文件目录中。

安装好我们的 MySQL 后，我们创建一个叫做 data 的数据库，并创建一个叫做 sensors 及一个叫做 users 的表格：

上面的两个表格非常简单。我们可以使用 MySQL 命令查看它们的内容：

mysql> describe sensors;
+-----------------+---------------+------+-----+---------+-------+
| Field           | Type          | Null | Key | Default | Extra |
+-----------------+---------------+------+-----+---------+-------+
| customer        | varchar(255)  | YES  |     | NULL    |       |
| room            | varchar(255)  | YES  |     | NULL    |       |
| floor           | varchar(255)  | YES  |     | NULL    |       |
| department      | varchar(255)  | YES  |     | NULL    |       |
| locationOnFloor | varchar(255)  | YES  |     | NULL    |       |
| sensorType      | varchar(255)  | YES  |     | NULL    |       |
| buildingName    | varchar(255)  | YES  |     | NULL    |       |
| longitude       | double(255,0) | YES  |     | NULL    |       |
| latitude        | double(255,0) | YES  |     | NULL    |       |
| id              | int(255)      | NO   | PRI | NULL    |       |
+-----------------+---------------+------+-----+---------+-------+
10 rows in set (0.00 sec)

mysql> select * from sensors;
+----------+------+---------+-------------+-----------------+-------------+--------------+-----------+----------+----+
| customer | room | floor   | department  | locationOnFloor | sensorType  | buildingName | longitude | latitude | id |
+----------+------+---------+-------------+-----------------+-------------+--------------+-----------+----------+----+
| Elastic  | 101  | Floor 1 | Engineering | Desk 102        | Temperature | 222 Broadway |       -74 |       41 |  1 |
+----------+------+---------+-------------+-----------------+-------------+--------------+-----------+----------+----+
1 row in set (0.00 sec)

mysql> describe users;
+-----------+--------------+------+-----+---------+----------------+
| Field     | Type         | Null | Key | Default | Extra          |
+-----------+--------------+------+-----+---------+----------------+
| userid    | int(11)      | NO   | PRI | NULL    | auto_increment |
| firstname | varchar(255) | YES  |     | NULL    |                |
| lastname  | varchar(255) | YES  |     | NULL    |                |
+-----------+--------------+------+-----+---------+----------------+
3 rows in set (0.00 sec)

mysql> select * from users;
+--------+-----------+----------+
| userid | firstname | lastname |
+--------+-----------+----------+
|      2 | xiaoguo   | liu      |
+--------+-----------+----------+
1 row in set (0.00 sec)

这样，我们就完成了 MySQL 的部署。

使用 Jdbc 过滤器来丰富数据

接下来，我们想使用 sensors 表格中的 id 以及 users 表格中的 userid 来对我们的事件进行丰富。我们来创建如下的一个 Logstash 的配置文件：

logstash.conf

input 
  generator 
    message => "id=1&userid=2"
    count => 1
  


filter 
	kv 
		source => "message"
		field_split => "&?"
    

    mutate 
         convert => 
             "id" => "integer"
             "userid" => "integer"
         
    

   jdbc_static 
    loaders => [ 
      
        id => "remote-sensors"
        query => "select id, customer, room, sensorType from sensors"
        local_table => "sensors"
      ,
      
        id => "remote-users"
        query => "select firstname, lastname, userid from users order by userid"
        local_table => "users"
            
    ]
    local_db_objects => [ 
      
        name => "sensors"
        index_columns => ["id"]
        columns => [
          ["id", "int"],
          ["customer", "varchar(255)"],
          ["room", "varchar(255)"],
          ["sensorType", "varchar(255)"]
        ]
      ,
      
        name => "users"
        index_columns => ["userid"]
        columns => [
          ["firstname", "varchar(255)"],
          ["lastname", "varchar(255)"],
          ["userid", "int"]
        ]
      
    ]
    local_lookups => [ 
      
        id => "local-servers"
        query => "select customer, room, sensorType from sensors WHERE id = :id"
        parameters => id => "[id]"
        target => "server"
      ,
      
        id => "local-users"
        query => "select firstname, lastname from users WHERE userid = :userid"
        parameters => userid => "[userid]"
        target => "user" 
      
    ]
    
    # using add_field here to add & rename values to the event root
    add_field =>  sensor_name => "%[server][0][customer] %[server][0][room] %[server][0][sensortype]" 
    add_field =>  customer_name => "%[user][0][firstname] %[user][0][lastname]"    
    # remove_field => ["server", "user"]
    jdbc_user => "root"
    jdbc_password => "1234"
    jdbc_driver_class => "com.mysql.cj.jdbc.Driver"
    # jdbc_driver_library => ""
    jdbc_connection_string => "jdbc:mysql://localhost:3306/data?useTimezone=true&&serverTimezone=UTC"
     


output 
    stdout 
        codec => rubydebug
    

在上面，我们使用 generator 来创建一个事件。我们在 filter 的部分使用 kv 过滤器来对它进行解析。由于 id 和 userid 为字符串。它们和数据库表格中的字段属性是不一样的。我们使用 mutate 过滤器来对它们的类型进行转换。接下来，我们使用 jdbc_static 过滤器来对这个事件进行丰富。

我们通过如下的命令来启动 Logstash：

./bin/logstash -f logstash.conf 

我们可以在 terminal 中看到如下的结果：

从上面，我们可以看出来有两个新增加的字段 sensor_name 以及 customer_name。这两个字段是从 MySQL 中的表格中进行丰富而来。更多关于 Jdbc static 过滤器的介绍请参阅官方文档。