如何用Python抓取AWS的日志数据
这篇文章给大家介绍如何用Python抓取AWS的日志数据，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。
如今是云的时代，许多公司都把自己的IT架构部署在基础架构云（IaaS）上。著名的IaaS提供商有亚马逊，微软（Azure），IBM等，国内也有诸如阿里云等。这里亚马逊毫无疑问是该市场的领军者。
AWS提供了非常多的服务，领先了竞争对手一大截。并且AWS提供非常丰富的API，其API基于Rest，所以很容易被不同的语言的平台来调用。
在如今的大数据时代，利用数据在做决策是大数据的核心价值，AWS提供了许多服务来获取其运行数据cloudtrail和cloudwatch是经常被用到的两个。CloudTrail是对AWS的所有API调用的日志，CloudWatch是监控AWS服务的性能数据。（新出的Config服务可用于监控AWS的资源变化）
今天我们来看看如何使用Python（Boto AWS的开源Python SDK）来自动配置ClouTrail的服务并获取日志内容。
我们先来看看CloudTrail的概念和相关的配置。
S3 Bucket
在打开CloudTrail的服务时，需要指定一个相关的S3的Bucket，S3是亚马逊提供的存储服务，你可以把它当作一个基于云的文件系统。CloudTrail的API调用日志，会以压缩文件的形式，存储在你指定的Bucket里。
SNS
SNS是亚马逊提供的通知服务，该服务使用的是订阅／发布（Subsrcibe／Publish）的模式。在创建CloudTrail的时候，可以关联一个SNS的Topic（可选），这样做的好处是当有API调用时，可以第一时间得到通知。可以使用不同的客户端来订阅SNS的通知，例如Email，Mobile的Notification Service，SQS等
SQS
SQS是亚马逊提供的队列服务，在本文中，我们使用SQS订阅SNS的的内容，这样我们的Python程序就可以从SQS的队列中获取相应的通知。
配置CloudTrail
首先我们需要创建SNS，并指定相应的策略。代码如下：
import boto.snsimport jsonkey_id='yourawskeyid'secret_key='yourawssecretkey'region_name="eu-central-1"trail_topic_name="topicABC"sns_policy_sid="snspolicy0001"sns_conn = boto.sns.connect_to_region(region_name, aws_access_key_id=key_id, aws_secret_access_key=secret_key)sns_topic = sns_conn.create_topic(trail_topic_name)# Get ARN of SNS topicsns_arn = sns_topic['CreateTopicResponse']['CreateTopicResult']['TopicArn']# Add related policyattrs = sns_conn.get_topic_attributes(sns_arn)policy = attrs['GetTopicAttributesResponse']['GetTopicAttributesResult']['Attributes']['Policy']policy_obj = json.loads(policy)statements = policy_obj['Statement']default_statement = statements[0]new_statement = default_statement.copy()new_statement["Sid"] = sns_policy_sidnew_statement["Action"] = "SNS:Publish"new_statement["Principal"] = { "AWS": [ "arn:aws:iam::903692715234:root", "arn:aws:iam::035351147821:root", "arn:aws:iam::859597730677:root", "arn:aws:iam::814480443879:root", "arn:aws:iam::216624486486:root", "arn:aws:iam::086441151436:root", "arn:aws:iam::388731089494:root", "arn:aws:iam::284668455005:root", "arn:aws:iam::113285607260:root" ] }new_statement.pop("Condition", None)statements.append(new_statement)new_policy = json.dumps(policy_obj)sns_conn.set_topic_attributes(sns_arn,"Policy",new_policy)CloudTrail是和区域（Region）相关的，不同的Region有不同的CloudTrail服务，所以，在创建对应的SNS时，需要保证使用同一个Region。
这里要注意的是我们创建了新的policy来使得CloudTrail拥有向我们创建的SNS发布消息（Action＝"SNS：Publish"）的权限。我们的做法是从缺省的策略中拷贝了一份，修改了相应的Action和Sid（随便取一个不重复的名字），Principal部分是一个缺省的account的列表，这里是硬编码，AWS有可能会修改该列表的值，但在当前环境下，该值是固定的。最后移除Condition的值。把新创建的Policy片段添加到原来的Policy中就好了。
然后我们需要创建一个SQS的队列，并订阅我们创建的SNS的Topic。这一步相对比较简单。
import boto.sqssqs_queue_name="sqs_queue"sqs_conn = boto.sqs.connect_to_region(region_name, aws_access_key_id=key_id, aws_secret_access_key=secret_key)sqs_queue = sqs_conn.create_queue(sqs_queue_name)sns_conn.subscribe_sqs_queue(sns_arn, sqs_queue)
然后，我们需要创建一个S3的Bucket用来存储CloudTrail产生的日志文件。同样的，需要指定响应的策略以保证CloudTrail能够有权限写入对应的日志文件。
import botobucket_name="bucket000"policy_sid="testpolicy000"s3_conn = boto.connect_s3(aws_access_key_id=key_id,aws_secret_access_key=secret_key)bucket = s3_conn.create_bucket(bucket_name)bucket_policy = '''{ "Version": "2012-10-17", "Statement": [ { "Sid": "%Sid%GetPolicy", "Effect": "Allow", "Principal": { "AWS": [ "arn:aws:iam::903692715234:root", "arn:aws:iam::035351147821:root", "arn:aws:iam::859597730677:root", "arn:aws:iam::814480443879:root", "arn:aws:iam::216624486486:root", "arn:aws:iam::086441151436:root", "arn:aws:iam::388731089494:root", "arn:aws:iam::284668455005:root", "arn:aws:iam::113285607260:root" ] }, "Action": "s3:GetBucketAcl", "Resource": "arn:aws:s3:::%bucket_name%" }, { "Sid": "%Sid%PutPolicy", "Effect": "Allow", "Principal": { "AWS": [ "arn:aws:iam::903692715234:root", "arn:aws:iam::035351147821:root", "arn:aws:iam::859597730677:root", "arn:aws:iam::814480443879:root", "arn:aws:iam::216624486486:root", "arn:aws:iam::086441151436:root", "arn:aws:iam::388731089494:root", "arn:aws:iam::284668455005:root", "arn:aws:iam::113285607260:root" ] }, "Action": "s3:PutObject", "Resource": "arn:aws:s3:::%bucket_name%/*", "Condition": { "StringEquals": { "s3:x-amz-acl": "bucket-owner-full-control" } } } ]}'''bucket_policy = bucket_policy.replace("%bucket_name%",bucket_name)bucket_policy = bucket_policy.replace("%Sid%",policy_sid)bucket.set_policy(bucket_policy)这里我们使用一个缺省的Policy文件，替换掉响应的字段就好了。
最后，我们创建CloudTrail的服务：
import boto.cloudtrailtrail_name="Trailabc"log_prefix="log"cloudtrail_conn=boto.cloudtrail.connect_to_region(region_name, aws_access_key_id=key_id, aws_secret_access_key=secret_key)##cloudtrail_conn.describe_trails()cloudtrail_conn.create_trail(trail_name,bucket_name, s3_key_prefix=log_prefix,sns_topic_name=trail_topic_name)cloudtrail_conn.start_logging(trail_name)
好了，现在CloudTrail已经配置好了，并且关联的SNS也被我们创建的SQS队列订阅，下面我们就可以抓取日志了
获取日志数据
每当有一个API调用，CloudTrail都会把响应的日志文件写入到S3我们创建的Bucket中，同时在我们在创建的SNS的topic中发布一条消息，因为我们使用SQS的队列订阅了该消息，所以我们可以通过读取SQS消息的方式来获得日志数据。
首先连接到SQS的队列，并从中读取消息
import boto.sqssqs_queue_name="sqs_queue"sqs_conn = boto.sqs.connect_to_region(region_name, aws_access_key_id=key_id, aws_secret_access_key=secret_key) sqs_queue = sqs_conn.get_queue（sqs_queue_name）notifications = sqs_queue.get_messages()
然后我们从消息中获得响应的日志文件在S3中的地址，并利用该地址从S3中获得对应的日志文件
for notification in notifications: envelope = json.loads(notification.get_body()) message = json.loads(envelope['Message']) bucket_name = message['s3Bucket'] s3_bucket = s3_conn.get_bucket(bucket_name) for key in message['s3ObjectKey']: s3_file = s3_bucket.get_key(key) with io.BytesIO(s3_file.read()) as bfile: with gzip.GzipFile(fileobj=bfile) as gz: logjson = json.loads(gz.read())
logjson就是对应的日记内容的JSON格式。这里有一个例子
{ "Records": [{ "eventVersion": "1.0", "userIdentity": { "type": "IAMUser", "principalId": "EX_PRINCIPAL_ID", "arn": "arn:aws:iam::123456789012:user/Alice", "accessKeyId": "EXAMPLE_KEY_ID", "accountId": "123456789012", "userName": "Alice" }, "eventTime": "2014-03-06T21:22:54Z", "eventSource": "ec2.amazonaws.com", "eventName": "StartInstances", "awsRegion": "us-west-2", "sourceIPAddress": "205.251.233.176", "userAgent": "ec2-api-tools 1.6.12.2", "requestParameters": { "instancesSet": { "items": [{ "instanceId": "i-ebeaf9e2" }] } }, "responseElements": { "instancesSet": { "items": [{ "instanceId": "i-ebeaf9e2", "currentState": { "code": 0, "name": "pending" }, "previousState": { "code": 80, "name": "stopped" } }] } } }, ... additional entries ... ]}你可以使用以上代码来监控所有的cloudtrail的日志，拿到的JSON格式的日志可以放在你的数据库（Mongo不错）中，然后利用你的BI工具做分析。
注意你也可以不创建SNS和SQS，直接扫描bucket的内容，这样做的好处是配置更简单，缺点是实时性比较差，扫面Bucket需要额外的计算，并且需要在本地保存文件扫描的状态，code会更加复杂。
利用CloudTrail的日志，你可以做很多事情，比如看看有没有非法的登陆，各个服务的使用频率，总之，当你有了足够多的数据，你就可以从中发现足够的价值。
关于如何用Python抓取AWS的日志数据就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
