在日志中搜索时间间隔

介绍

这篇文章与我有关日志分析的迷你系列文章间接相关。最好阅读两个主要部分，以更好地理解我在说什么。第1 部分，第2部分。

这篇文章描述了我在实现IDE方法时遇到的一个重要问题。

任务描述

当某人使用日志时，通常只需要调查一个时间间隔。可用日志通常跨越几天，但是必须调查的时间间隔是1-2小时。任务是选择该时间间隔内的所有日志记录。

基本日志记录正则表达式

为了选择日志记录，我们需要一个与任何日志记录匹配的正则表达式。对于简单的log4j格式，例如

2018-08-10 11:00:56,234 DEBUG [Thread-1] package1.pkg2.Class1 Text Message

我发现以下正则表达式：

TIME_REGEX((?!(TIME_REGEX)).*\r?\n)*

此正则表达式匹配单行和多行日志记录。时间正则表达式可能是

\d\d\d\d-\d\d-\d\d \d\d:\d\d:\d\d,\d\d\d

因此，如果有人想将所有日志加载到文本窗口中，则可以一个一个地打开日志文件，并使用带有此正则表达式的Matcher.find（）来获取所有日志记录。

此正则表达式基于以下事实：时间正则表达式模式永远不会在日志消息的正文中重复，这在所有情况下的99％中都是正确的。

日志记录的日期时间

为了搜索特定时间间隔并使用其他功能，有必要从日志记录中提取dtaetime信息。幸运的是，JDK已使用DateTimeFormatter解决了该任务。指定日志类型的格式就足够了，可以提取日期。例如，对于上面的日志记录，格式为

yyyy-MM-dd HH:mm:ss,SSS

一旦我们可以提取日期时间信息，就可以将间隔指定为日期时间值，而不是某些特定格式的字符串。

搜索时间

现在，我们找到了一种选择任何日志记录并从中提取日期信息的方法，前进的道路似乎很明确：

指定间隔，
一一选择记录
从日志记录中提取日期信息
比较日期时间和间隔
如果日期时间在间隔内，则将此记录添加到找到的记录列表中
搜索所有文件后，显示找到的记录

这种方法存在一个大问题：
时间。对于每个50 MB的50个日志文件，将需要花费数小时来扫描所有日志文件，以找到间隔中的10 MB记录。

解

我们可以使用一种技巧来过滤掉间隔中不包含单个记录的文件。我们使用以下事实：日志文件中的日志记录是一个接一个地写入的。这意味着下一条记录的时间等于或晚于该记录的时间。例如，只有两种情况是可能的：

2018-08-10 11:00:56,234 DEBUG [Thread-1] package1.pkg2.Class1 Text Message
2018-08-10 11:00:56,234 DEBUG [Thread-1] package1.pkg2.Class1 Msg 2

要么

2018-08-10 11:00:56,234 DEBUG [Thread-1] package1.pkg2.Class1 Text Message
2018-08-10 11:00:56,278 DEBUG [Thread-1] package1.pkg2.Class1 Msg 2

我很少看到一些示例，这些示例在高负载下日志记录可以反向显示，但差值以毫秒为单位。对于我们的目的，我们可以认为这种差异微不足道。

这意味着，如果文件中的第一个记录和最后一个记录都不不在间隔中，则文件中的所有记录都不在间隔中，并且可以将该文件过滤掉。 Java正则表达式具有特殊的结构来查找第一条和最后一条记录。

第一条记录：

\A TIME_REGEX((?!(TIME_REGEX)).*\r?\n)*

最后一条记录：

TIME_REGEX((?!(TIME_REGEX)).*\r?\n)*\Z

\ A表示文本的开头，\ Z表示文本的结尾。您可以在javadocs.java.util.regex.Pattern中找到更多详细信息。

解决方案是使用特殊的预扫描技术。在扫描日志文件的全文之前，请找到第一条和最后一条记录，如果不在间隔中，请跳过该文件。在50个文件中，可能需要扫描1-2个文件。

结论

REAL使用此技术来加快对日期时间间隔的搜索。我发现大约需要5到10秒钟来决定是否必须跳过该文件。大多数情况下，如果花费最后一条记录执行Matcher.find（）。发现第一条记录要快得多。我认为可以通过选择50 MB文件中的最后5 MB来搜索最后一条记录来进一步加快速度。但是即使在当前状态下它也足够快。

翻译自: https://www.javacodegeeks.com/2018/11/search-time-interval-logs.html