2017-06-15 345 views
0

我想知道是否可以使用Neo4j分析網絡流量日誌文件。 因此,我使用「sh」-library實時「Broiling」來自Bro IDS的3個不同日誌文件,並將日誌記錄導入neo4j,這似乎是使用py2neo很慢的。 CSV導入在這裏不起作用,因爲它是實時的。Neo4j - 實時導入日誌文件的寫入速度太慢?

一個示例:我正在使用tcpreplay分析一個小時的數據包捕獲文件,該文件具有幾乎4.000.000個連接。我甚至用速度的一半來演奏它。因此,在2小時後,我有大約4000000條日誌條目。現在,在分析開始後的3,5小時,我剛剛導入了由5個節點和4個關係組成的289691個圖。總而言之,大約15%的數據幾乎是時間的兩倍。

我使用py2neo和代碼看起來像以下(這是圖的一個):

def create_conn_graph(connlog): 
[...] 

## Start Session 
graph = Graph(bolt=True, password="neo4j") 
tx = graph.begin() 

############ 
## Nodes ## 
############ 

## Connection Node 
conn = Node("Connection", uid=connlog['uid'], 
      ts=connlog['ts'], 
      date=evt_date, 
      time=evt_time, 
      [...]) 

conn_properties = dict(conn) 
for key in conn_properties.keys(): 
    if conn[key] == "-" or conn[key] == "(empty)": 
     conn[key] = "0" 
conn.update() 
tx.merge(conn, "Connection", "uid") 

## IP Nodes 
orig = Node("IP", ip=connlog['orig_h']) 
tx.merge(orig) 

resp = Node("IP", ip=connlog['resp_h']) 
tx.merge(resp) 

## History Node 
if connlog['history']: 
    hist_flow = history_flow(connlog['history']) 
    history_node = Node("History", history=connlog['history'], flow=hist_flow) 
    tx.merge(history_node, "History", "history") 

    ## (Connection)-[HAS_HISTORY]->(History) 
    conn_hist = Relationship(conn, "HAS_HISTORY", history_node) 
    tx.merge(conn_hist) 

## Conn_State 
conn_state = Node("Conn_State", state=connlog['conn_state'], meaning=CONN_STATE[connlog['conn_state']]) 
tx.merge(conn_state, "Conn_State", "conn_state") 

tx.commit() 
tx = graph.begin() 

##################### 
## Relationships ## 
##################### 

## (IP)-[STARTS_CONNECTION]->(Connection) 
orig_conn = Relationship(orig, "STARTS_CONNECTION", conn, port=connlog['orig_p']) 
tx.merge(orig_conn) 

## (Connection)-[CONNECTS_TO]->(IP) 
conn_resp = Relationship(conn, "CONNECTS_TO", resp, port=connlog['resp_p']) 
tx.merge(conn_resp) 

## (Connection)-[HAS_CONN_STATE]->(Conn_State) 
conn_connstate = Relationship(conn, "HAS_CONN_STATE", conn_state) 
tx.merge(conn_connstate) 

tx.commit() 
## (Connection)-[PRODUCED]-> (DNS|HTTP) 
if connlog['service'] == "dns": 
    graph.run("MATCH (c:Connection {uid:{uid}}), (d:DNS {uid:{uid}}) \ 
     MERGE (c)-[:PRODUCED]->(d)", 
       {"uid": connlog['uid']}) 

if connlog['service'] == "http": 
    graph.run("MATCH (c:Connection {uid:{uid}}), (d:HTTP {uid:{uid}}) \ 
     MERGE (c)-[:PRODUCED]->(d)", 
       {"uid": connlog['uid']}) 

return True 


## End of create_conn_graph ######################################## 


if __name__ == "__main__": 
    logentry = {} 
    logfield = CONNLOG 
    logline = [] 

    for line in tail("-F", LOG_DIR, _iter=True, _bg=True): 
     entry = line.strip().split("\t") 
     if line.startswith('#'): 
      continue 
     for i in range(len(logfield)): 
      logentry[logfield[i]] = entry[i] 
     create_conn_graph(logentry) 

我有以下的約束和索引:

graph.run("CREATE CONSTRAINT ON (c:Connection) ASSERT c.uid IS UNIQUE") 
graph.run("CREATE CONSTRAINT ON (i:IP) ASSERT i.ip IS UNIQUE") 
graph.run("CREATE CONSTRAINT ON (c:Conn_State) ASSERT c.conn_state IS UNIQUE") 
graph.run("CREATE CONSTRAINT ON (h:History) ASSERT h.history IS UNIQUE") 
graph.run("CREATE CONSTRAINT ON (host:Host) ASSERT host.host is UNIQUE") 
graph.run("CREATE CONSTRAINT ON (q:QueryType) ASSERT q.type is UNIQUE") 
graph.run("CREATE CONSTRAINT ON (qc:QueryClass) ASSERT qc.class is UNIQUE") 
graph.run("CREATE CONSTRAINT ON (rc:ResponseCode) ASSERT rc.code is UNIQUE") 
graph.run("CREATE CONSTRAINT ON (ic:InfoCode) ASSERT ic.code is UNIQUE") 
graph.run("CREATE CONSTRAINT ON (ua:UserAgent) ASSERT ua.useragent is UNIQUE") 
graph.run("CREATE CONSTRAINT ON (m:Method) ASSERT m.method is UNIQUE") 
graph.run("CREATE CONSTRAINT ON (r:Referrer) ASSERT r.referrer is UNIQUE") 
graph.run("CREATE INDEX ON :DNS(uid)") 
graph.run("CREATE INDEX ON :Uri(uri)") 
graph.run("CREATE INDEX ON :HTTP(uid)") 

也許有人可以給我暗示我做錯了什麼或者我在代碼中犯了什麼錯誤? 提交的數量是由於嘗試寫入neo4j時的暫時錯誤造成的。隨着更多的交易,我沒有更多的錯誤。

預先感謝任何幫助

+0

您是否製作一些模式約束/索引? – logisima

+0

我已將限制和索引添加到問題 –

回答

1

我不知道什麼是py2neo引擎蓋下做的,從我的經驗蟒蛇驅動程序()是不是最快的。

我可能會用簡單的Cypher語句去完全控制發生的事情。

您還有一些錯誤/缺失索引,請檢查所有查詢/操作是否使用索引。否則這些將導致全面掃描。

  • (d:DNS {UID:{UID}})
  • (d:HTTP {UID:{UID}})

我也建議您發送每多一點數據交易(如10K記錄)

它也可能是有意義的做一些預處理每個對數批次,例如爲每個日誌段創建不同的ip節點,而不是每個日誌行。

這可能幫助你太: http://jexp.de/blog/2017/03/5-tips-tricks-for-fast-batched-updates-of-graph-structures-with-neo4j-and-cypher/

+0

感謝您的提示。至於缺失的索引。我有一些錯誤的代碼。 HTTP_Record和DNS_Record索引屬於代碼中的HTTP和DNS節點,並且現在具有正確的名稱。 –