2017-06-15 111 views
0

我想知道是否可以使用Neo4j分析网络流量日志文件。 因此,我使用“sh”-library实时“Broiling”来自Bro IDS的3个不同日志文件,并将日志记录导入neo4j,这似乎是使用py2neo很慢的。 CSV导入在这里不起作用,因为它是实时的。Neo4j - 实时导入日志文件的写入速度太慢?

一个示例:我正在使用tcpreplay分析一个小时的数据包捕获文件,该文件具有几乎4.000.000个连接。我甚至用速度的一半来演奏它。因此,在2小时后,我有大约4000000条日志条目。现在,在分析开始后的3,5小时,我刚刚导入了由5个节点和4个关系组成的289691个图。总而言之,大约15%的数据几乎是时间的两倍。

我使用py2neo和代码看起来像以下(这是图的一个):

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) 

我有以下的约束和索引:

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)") 

也许有人可以给我暗示我做错了什么或者我在代码中犯了什么错误? 提交的数量是由于尝试写入neo4j时的暂时错误造成的。随着更多的交易,我没有更多的错误。

预先感谢任何帮助

+0

您是否制作一些模式约束/索引? – logisima

+0

我已将限制和索引添加到问题 –

回答

1

我不知道什么是py2neo引擎盖下做的,从我的经验蟒蛇驱动程序()是不是最快的。

我可能会用简单的Cypher语句去完全控制发生的事情。

您还有一些错误/缺失索引,请检查所有查询/操作是否使用索引。否则这些将导致全面扫描。

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

我也建议您发送每多一点数据交易(如10K记录)

它也可能是有意义的做一些预处理每个对数批次,例如为每个日志段创建不同的ip节点,而不是每个日志行。

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

+0

感谢您的提示。至于缺失的索引。我有一些错误的代码。 HTTP_Record和DNS_Record索引属于代码中的HTTP和DNS节点,并且现在具有正确的名称。 –