SlideShare ist ein Scribd-Unternehmen logo

Workshop Logfile Analyse mit Splunk

H
Hannes Richter

Campixx Session 2017: Logfile Analyse mit Splunk Logfiles verraten eine Menge darüber, wie sich Google auf den eigenen Seiten bewegt. Aber nicht nur das. PageSpeed Monster, Link Juice Probleme und vieles mehr lassen sich durch einen tiefen Blick mit Tools wie Splunk identifizieren.

1 von 58
14-mal heruntergeladen
@mindbox_dd@hannes3686 Logfile Analyse mit Splunk
@mindbox_dd@hannes3686
@mindbox_dd@hannes3686 Aufbau von Logdaten domain.de-2017-02-16:66.249.66.188 - - [16/Feb/2017:00:40:41 +0100] "GET / mieten/ http/1.1" 301 29737 "-" "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)" Web Access Logfiles erfassen jeden einzelnen Zugriff
@mindbox_dd@hannes3686 domain.de-2017-02-16:66.249.66.188 - - [16/Feb/2017:00:40:41 +0100] "GET / mieten/ http/1.1" 301 29737 "-" "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)" HTTP User Agent = Visitenkarte des Browsers Aufbau von Logdaten
@mindbox_dd@hannes3686 domain.de-2017-02-16:66.249.66.188 - - [16/Feb/2017:00:40:41 +0100] "GET / mieten/ http/1.1" 301 29737 "-" "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)" IP Adresse des Besuchers Aufbau von Logdaten
@mindbox_dd@hannes3686 domain.de-2017-02-16:66.249.66.188 - - [16/Feb/2017:00:40:41 +0100] "GET / mieten/ http/1.1" 301 29737 "-" "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)" IP Adresse des Besuchers Achtung! Personenbeziehbare Daten. https://www.heise.de/newsticker/meldung/BGH-verhandelt-zur-Zulaessigkeit- von-IP-Adressen-Speicherung-auf-Websites-3625336.html Aufbau von Logdaten
@mindbox_dd@hannes3686 domain.de-2017-02-16:66.249.66.188 - - [16/Feb/2017:00:40:41 +0100] "GET / mieten/ http/1.1" 301 29737 "-" "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)" geladene Bytes Aufbau von Logdaten
@mindbox_dd@hannes3686 domain.de-2017-02-16:66.249.66.188 - - [16/Feb/2017:00:40:41 +0100] "GET / mieten/ http/1.1" 301 29737 "-" "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)" HTTP Status Code Aufbau von Logdaten
@mindbox_dd@hannes3686 domain.de-2017-02-16:66.249.66.188 - - [16/Feb/2017:00:40:41 +0100] "GET / mieten/ http/1.1" 301 29737 "-" "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)" aufgerufene URL Aufbau von Logdaten
@mindbox_dd@hannes3686 domain.de-2017-02-16:66.249.66.188 - - [16/Feb/2017:00:40:41 +0100] "GET / mieten/ http/1.1" 301 29737 "-" "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)" Zeitstempel Aufbau von Logdaten
@mindbox_dd@hannes3686 domain.de-2017-02-16:66.249.66.188 - - [16/Feb/2017:00:40:41 +0100] "GET / mieten/ http/1.1" 301 29737 "-" "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)" Domain + Tag Aufbau von Logdaten
@mindbox_dd@hannes3686 Aufbau von Logdaten jeder Zugriff = 1 Zeile bedeutet Millionen von Datensätzen schon bei mittelgroßen Websites Logfile im *.txt Format ist schnell mehrere GB groß
@mindbox_dd@hannes3686 Herausforderung
@mindbox_dd@hannes3686 Lösung: Splunk Business Intelligence Software => ideal für Big Data
@mindbox_dd@hannes3686 Lösung: Splunk Kostenlos: bis 500MB zusätzliche Daten / Tag
@mindbox_dd@hannes3686 Herausforderung !$#&%$ 5GB!?
@mindbox_dd@hannes3686 Gepackte Logdatei verwenden
@mindbox_dd@hannes3686 … oder Logdatei verkleinern
@mindbox_dd@hannes3686 Vorbereitung | Terminalbefehle
@mindbox_dd@hannes3686 Vorbereitung | Logdatei verkleinern 1. Terminal aufrufen 2. In das Verzeichnis mit den entpackten Logdateien wechseln 3. Mit grep-Befehl relevante Zeilen in eine neue Datei kopieren Mac
@mindbox_dd@hannes3686 Vorbereitung | Terminalbefehle pwd - Gibt aus, in welchem Ordner man sich befindet ls - Listet Dateien und Unterordner auf cd Verzeichnisname - wechselt Unterverzeichnis cd .. - wechselt ins übergeordnete Verzeichnis Mac
@mindbox_dd@hannes3686 Vorbereitung | Terminalbefehle Durchsucht alle Dateien im Verzeichnis & kopiert relevante Googlebot-Zeilen in die neue Datei logfile.txt Grep „66.249.“ *.*>logfile.txt Mac
@mindbox_dd@hannes3686 Vorbereitung | Logdatei verkleinern 1. Eingabeaufforderung aufrufen 2. In das Verzeichnis mit den entpackten Logdateien wechseln 3. Mit findstr-Befehl relevante Zeilen in eine neue Datei kopieren Windows
@mindbox_dd@hannes3686 Vorbereitung | Terminalbefehle pwd - Gibt aus, in welchem Ordner man sich befindet ls - Listet Dateien und Unterordner auf cd Verzeichnisname - wechselt Unterverzeichnis cd .. - wechselt ins übergeordnete Verzeichnis Windows
@mindbox_dd@hannes3686 Vorbereitung | Terminalbefehle Durchsucht alle Dateien im Verzeichnis & kopiert relevante Googlebot-Zeilen in die neue Datei logfile.txt findstr /I /C:66.249 *.* >>logfile.txt Windows
@mindbox_dd@hannes3686 Splunk | Datenanalyse vorbereiten
@mindbox_dd@hannes3686 Splunk | Datenanalyse vorbereiten Logdaten bei Splunk importieren
@mindbox_dd@hannes3686 Splunk | Datenanalyse vorbereiten Logdaten bei Splunk importieren einmalig, einzelne Datei mehrere Dateien, Verzeichnis überwachen
@mindbox_dd@hannes3686 Splunk | Datenanalyse vorbereiten Logdaten bei Splunk importieren
@mindbox_dd@hannes3686 Splunk | Datenanalyse vorbereiten Typ der Datenquelle wählen: access_combined Splunk zerlegt die Zeilen automatisch in ihre Bestandteile und indiziert sie
@mindbox_dd@hannes3686 Splunk | Datenanalyse vorbereiten „Host“ definieren > beliebig definierbar, idealerweise wird Domainname gewählt
@mindbox_dd@hannes3686 Splunk | Datenanalyse vorbereiten „Index“ neu anlegen, sonst werden später Daten verschiedener Server gemischt
@mindbox_dd@hannes3686 Splunk | Datenanalyse vorbereiten Name definieren genügt
@mindbox_dd@hannes3686 Splunk | Oberfläche Befehlszeile Zeitraum wählbar extrahierte Felder Suchtreffer
@mindbox_dd@hannes3686 Splunk | Oberfläche Wechsel zwischen Diagrammen & tabellarischen Daten
@mindbox_dd@hannes3686 Splunk | Oberfläche unterschiedliche Diagrammtypen wählbar
@mindbox_dd@hannes3686 Splunk | Analysen Jede Suche beinhaltet host & clientip, um nur Google-Einträge zur richtigen Seite zu analysieren.
@mindbox_dd@hannes3686 Splunk | Analysen Die wichtigsten Anweisungen: • Die häufigsten … - | top 10 FELDNAME
 • Diagramm mit Zeitverlauf - | timechart count by day - | timechart count by uri - | timechart span=1w count by uri • Tabellarische Statistik - | stats count by status • gewöhnliche Diagramme - | chart count by date_hour • Pipe „|“ startet einen Befehl
@mindbox_dd@hannes3686 Splunk | Analysen Suche nach IP = 18.452 Ereignisse Suche nach „googlebot“ = 19.082 Ereignisse 1. Generelles Crawl-Verhalten host="MBXIT-256-HaRi.local" clientip="66.249.*" | timechart count by day
@mindbox_dd@hannes3686 Splunk | Analysen 2. Welche URLs werden am häufigsten aufgesucht? host="MBXIT-256-HaRi.local" clientip="66.249.*" | top 10 uri Startseite, Favicon, robots.txt, Hauptkategorien / gut rankende Seiten stehen hier irrelevante URIs? => ggf. Optimierungsbedarf f. interne Verlinkung
@mindbox_dd@hannes3686 Splunk | Analysen 3. Mit welchen User-Agents greift der Bot am meisten zu? host="MBXIT-256-HaRi.local" clientip="66.249.*" | top 10 useragent
@mindbox_dd@hannes3686 Splunk | Analysen 4. Wird „Link Juice“ vergeudet? Gibt es Fehlerseiten?
@mindbox_dd@hannes3686 Splunk | Analysen 4. Wird „Link Juice“ vergeudet? Gibt es Fehlerseiten? host="MBXIT-256-HaRi.local" clientip="66.249.*" | stats count by status 4** - 5** vermeiden, 302-307 Codes prüfen Status Codes erklärt unter: https://de.wikipedia.org/wiki/HTTP-Statuscode
@mindbox_dd@hannes3686 Splunk | Analysen 5. Welche Seiten sind betroffen? host="MBXIT-256-HaRi.local" clientip="66.249.*" status=404 OR status=410 OR status=500 | stats count by uri host="MBXIT-256-HaRi.local" clientip="66.249.*" status=302 OR status=307 | stats count by uri host="MBXIT-256-HaRi.local" clientip="66.249.*" status>301 status<400 | stats count by status
@mindbox_dd@hannes3686 Splunk | Analysen 6. Sind Status-Code Probleme zeitlich bedingt? host="MBXIT-256-HaRi.local" clientip="66.249.*" status=500 | timechart count by date_hour host="MBXIT-256-HaRi.local" clientip="66.249.*" status=404 | timechart count by date_hour
@mindbox_dd@hannes3686 Splunk | Analysen 7. Sind Status-Code Probleme zeitlich bedingt? host="MBXIT-256-HaRi.local" clientip="66.249.*" status=404 | timechart limit=4 count by date_hour
@mindbox_dd@hannes3686 Splunk | Analysen 8. Auf welche Dateigrößen trifft Google am häufigsten? host="MBXIT-256-HaRi.local" clientip="66.249.*" | top 30 bytes Welche Größen treten am häufigsten auf? 5,7kb ist nicht groß - ggf. eine Ressource, die sehr oft vorkommt und optimiert werden kann host="MBXIT-256-HaRi.local" clientip="66.249.*" bytes=5729 | stats count by uri
@mindbox_dd@hannes3686 Splunk | Analysen 9. Welche Requests produzieren die größte Datenlast? host="MBXIT-256-HaRi.local" clientip="66.249.*" | stats max(bytes) count by uri
@mindbox_dd@hannes3686 Splunk | Analysen 10. Welche HTML-URLs produzieren die größte Datenlast? host="MBXIT-256-HaRi.local" clientip="66.249.*" uri!="*.pdf" AND uri!="*.jpg" | stats max(bytes) count by uri Bis zu 2,8MB für Quellcode!
@mindbox_dd@hannes3686 Splunk | Analysen 11. Wie verhält sich Google beim Crawling von Parameter-URLs host="MBXIT-256-HaRi.local" clientip="66.249*" uri="*?*" | timechart count by status
@mindbox_dd@hannes3686 Splunk | Analysen 12. Welche Parameter begegnen Google am häufigsten? neues Feld aus Logdaten extrahieren
@mindbox_dd@hannes3686 Splunk | Analysen 12. Welche Parameter begegnen Google am häufigsten? neues Feld aus Logdaten extrahieren
@mindbox_dd@hannes3686 Splunk | Analysen 12. Welche Parameter begegnen Google am häufigsten? Ich möchte einen regulären Ausdruck selbst schreiben (?<=[?|&])+(?<parameter>[a-zA-Z0-9]+)
@mindbox_dd@hannes3686 Splunk | Analysen 12. Welche Parameter begegnen Google am häufigsten? 299 Zugriffe über utm-Source in 2 Tagen? host="MBXIT-256-HaRi.local" clientip=„66.249.*" | chart count by param utm-Parameter in interner Linkstruktur verwendet
@mindbox_dd@hannes3686 Splunk | Analysen 12. Welche Parameter-URLs crawlt Google am häufigsten Website-Events werden nicht über Analytics-Parameter getrackt!
@mindbox_dd@hannes3686 Splunk | Monitoring Auswertungen als Dashboard fürs Monitoring jede Analyse lässt sich umwandeln
@mindbox_dd@hannes3686 Splunk | Monitoring Auswertungen als Dashboard fürs Monitoring
L e i p z i g , d e n 2 8 . N o v e m b e r 2 0 1 1 MÄRKTE VERSTEHEN MARKEN ENTWICKELN: DIE ZEBRA-GROUP
Anzeige

Empfohlen

Fusion der Welten: Hadoop als DWH-Backend bei ProSieben
Fusion der Welten: Hadoop als DWH-Backend bei ProSiebenFusion der Welten: Hadoop als DWH-Backend bei ProSieben
Fusion der Welten: Hadoop als DWH-Backend bei ProSieben
inovex GmbH
 
Einführung in Elasticsearch
Einführung in ElasticsearchEinführung in Elasticsearch
Einführung in Elasticsearch
Florian Hopf
 
Einfuehrung in Elasticsearch
Einfuehrung in ElasticsearchEinfuehrung in Elasticsearch
Einfuehrung in Elasticsearch
Florian Hopf
 
Back to Basics – Webinar 2: Ihre erste MongoDB-Anwendung
Back to Basics – Webinar 2: Ihre erste MongoDB-AnwendungBack to Basics – Webinar 2: Ihre erste MongoDB-Anwendung
Back to Basics – Webinar 2: Ihre erste MongoDB-Anwendung
MongoDB
 
Einführung in Elasticsearch
Einführung in ElasticsearchEinführung in Elasticsearch
Einführung in Elasticsearch
Florian Hopf
 
Back to Basics-Webinar 5: Einführung in das Aggregation-Framework
Back to Basics-Webinar 5: Einführung in das Aggregation-FrameworkBack to Basics-Webinar 5: Einführung in das Aggregation-Framework
Back to Basics-Webinar 5: Einführung in das Aggregation-Framework
MongoDB
 
Back to Basics German 2: Erstellen Sie Ihre erste Anwendung in MongoDB
Back to Basics German 2: Erstellen Sie Ihre erste Anwendung in MongoDBBack to Basics German 2: Erstellen Sie Ihre erste Anwendung in MongoDB
Back to Basics German 2: Erstellen Sie Ihre erste Anwendung in MongoDB
MongoDB
 
Back to Basics – Webinar 4: Fortschrittliche Indizierung, Text- und Geoindizes
Back to Basics – Webinar 4: Fortschrittliche Indizierung, Text- und GeoindizesBack to Basics – Webinar 4: Fortschrittliche Indizierung, Text- und Geoindizes
Back to Basics – Webinar 4: Fortschrittliche Indizierung, Text- und Geoindizes
MongoDB
 
Google Tag Manager Advanced - SEO CAMPIXX 2016
Google Tag Manager Advanced - SEO CAMPIXX 2016Google Tag Manager Advanced - SEO CAMPIXX 2016
Google Tag Manager Advanced - SEO CAMPIXX 2016
Thomas Czernik
 
Splunk for Security-Hands On
Splunk for Security-Hands OnSplunk for Security-Hands On
Splunk for Security-Hands On
Splunk
 
Machine Data 101
Machine Data 101Machine Data 101
Machine Data 101
Splunk
 
Splunk sales presentation
Splunk sales presentationSplunk sales presentation
Splunk sales presentation
jpelletier123
 
SEO: Crawl Budget Optimierung & Onsite SEO
SEO: Crawl Budget Optimierung & Onsite SEOSEO: Crawl Budget Optimierung & Onsite SEO
SEO: Crawl Budget Optimierung & Onsite SEO
Philipp Klöckner
 
Machine Learning und SEO: Ein Vektor sagt mehr als 1000 Wörter
Machine Learning und SEO: Ein Vektor sagt mehr als 1000 WörterMachine Learning und SEO: Ein Vektor sagt mehr als 1000 Wörter
Machine Learning und SEO: Ein Vektor sagt mehr als 1000 Wörter
Stefan Fischerländer
 
Incident Response Tactics with Compromise Indicators
Incident Response Tactics with Compromise IndicatorsIncident Response Tactics with Compromise Indicators
Incident Response Tactics with Compromise Indicators
F _
 
Mainframe Customer Education Webcast: Syncsort Gets Zen
Mainframe Customer Education Webcast: Syncsort Gets ZenMainframe Customer Education Webcast: Syncsort Gets Zen
Mainframe Customer Education Webcast: Syncsort Gets Zen
Precisely
 
Experiences in Mainframe-to-Splunk Big Data Access
Experiences in Mainframe-to-Splunk Big Data AccessExperiences in Mainframe-to-Splunk Big Data Access
Experiences in Mainframe-to-Splunk Big Data Access
Precisely
 
Getting Started with Splunk Enterprise
Getting Started with Splunk EnterpriseGetting Started with Splunk Enterprise
Getting Started with Splunk Enterprise
Splunk
 
Honeycon2014: Mining IoCs from Honeypot data feeds
Honeycon2014: Mining IoCs from Honeypot data feedsHoneycon2014: Mining IoCs from Honeypot data feeds
Honeycon2014: Mining IoCs from Honeypot data feeds
F _
 
City of San Diego Customer Presentation
City of San Diego Customer PresentationCity of San Diego Customer Presentation
City of San Diego Customer Presentation
Splunk
 
SplunkLive! - Splunk for Security
SplunkLive! - Splunk for SecuritySplunkLive! - Splunk for Security
SplunkLive! - Splunk for Security
Splunk
 
Large Scale SEO - Method to the madness
Large Scale SEO - Method to the madnessLarge Scale SEO - Method to the madness
Large Scale SEO - Method to the madness
Joost de Valk
 
Splunk corporate overview German 2012
Splunk corporate overview German 2012Splunk corporate overview German 2012
Splunk corporate overview German 2012
jenny_splunk
 
Flexpod: Maximize IT Responsiveness, Minimize Risk
Flexpod: Maximize IT Responsiveness, Minimize RiskFlexpod: Maximize IT Responsiveness, Minimize Risk
Flexpod: Maximize IT Responsiveness, Minimize Risk
Force 3
 
Threat Hunting with Splunk
Threat Hunting with SplunkThreat Hunting with Splunk
Threat Hunting with Splunk
Splunk
 
Introducing MFX for z/OS 2.1 & ZPSaver Suite
Introducing MFX for z/OS 2.1 & ZPSaver SuiteIntroducing MFX for z/OS 2.1 & ZPSaver Suite
Introducing MFX for z/OS 2.1 & ZPSaver Suite
Precisely
 
DevOps for the IBM Mainframe environment
DevOps for the IBM Mainframe environmentDevOps for the IBM Mainframe environment
DevOps for the IBM Mainframe environment
Micro Focus
 
Big Data Analytics for Real-time Operational Intelligence with Your z/OS Data
Big Data Analytics for Real-time Operational Intelligence with Your z/OS DataBig Data Analytics for Real-time Operational Intelligence with Your z/OS Data
Big Data Analytics for Real-time Operational Intelligence with Your z/OS Data
Precisely
 
Googlebot Analyse mit Elasticsearch
Googlebot Analyse mit ElasticsearchGooglebot Analyse mit Elasticsearch
Googlebot Analyse mit Elasticsearch
Valentin Pletzer
 
Domino 12(.0.2) Lessons learned - DNUG Stammtisch Hamburg
Domino 12(.0.2) Lessons learned - DNUG Stammtisch HamburgDomino 12(.0.2) Lessons learned - DNUG Stammtisch Hamburg
Domino 12(.0.2) Lessons learned - DNUG Stammtisch Hamburg
DNUG e.V.
 
Anzeige

Weitere ähnliche Inhalte

Andere mochten auch (20)

Google Tag Manager Advanced - SEO CAMPIXX 2016
Google Tag Manager Advanced - SEO CAMPIXX 2016Google Tag Manager Advanced - SEO CAMPIXX 2016
Google Tag Manager Advanced - SEO CAMPIXX 2016
Thomas Czernik
 
Splunk for Security-Hands On
Splunk for Security-Hands OnSplunk for Security-Hands On
Splunk for Security-Hands On
Splunk
 
Machine Data 101
Machine Data 101Machine Data 101
Machine Data 101
Splunk
 
Splunk sales presentation
Splunk sales presentationSplunk sales presentation
Splunk sales presentation
jpelletier123
 
SEO: Crawl Budget Optimierung & Onsite SEO
SEO: Crawl Budget Optimierung & Onsite SEOSEO: Crawl Budget Optimierung & Onsite SEO
SEO: Crawl Budget Optimierung & Onsite SEO
Philipp Klöckner
 
Machine Learning und SEO: Ein Vektor sagt mehr als 1000 Wörter
Machine Learning und SEO: Ein Vektor sagt mehr als 1000 WörterMachine Learning und SEO: Ein Vektor sagt mehr als 1000 Wörter
Machine Learning und SEO: Ein Vektor sagt mehr als 1000 Wörter
Stefan Fischerländer
 
Incident Response Tactics with Compromise Indicators
Incident Response Tactics with Compromise IndicatorsIncident Response Tactics with Compromise Indicators
Incident Response Tactics with Compromise Indicators
F _
 
Mainframe Customer Education Webcast: Syncsort Gets Zen
Mainframe Customer Education Webcast: Syncsort Gets ZenMainframe Customer Education Webcast: Syncsort Gets Zen
Mainframe Customer Education Webcast: Syncsort Gets Zen
Precisely
 
Experiences in Mainframe-to-Splunk Big Data Access
Experiences in Mainframe-to-Splunk Big Data AccessExperiences in Mainframe-to-Splunk Big Data Access
Experiences in Mainframe-to-Splunk Big Data Access
Precisely
 
Getting Started with Splunk Enterprise
Getting Started with Splunk EnterpriseGetting Started with Splunk Enterprise
Getting Started with Splunk Enterprise
Splunk
 
Honeycon2014: Mining IoCs from Honeypot data feeds
Honeycon2014: Mining IoCs from Honeypot data feedsHoneycon2014: Mining IoCs from Honeypot data feeds
Honeycon2014: Mining IoCs from Honeypot data feeds
F _
 
City of San Diego Customer Presentation
City of San Diego Customer PresentationCity of San Diego Customer Presentation
City of San Diego Customer Presentation
Splunk
 
SplunkLive! - Splunk for Security
SplunkLive! - Splunk for SecuritySplunkLive! - Splunk for Security
SplunkLive! - Splunk for Security
Splunk
 
Large Scale SEO - Method to the madness
Large Scale SEO - Method to the madnessLarge Scale SEO - Method to the madness
Large Scale SEO - Method to the madness
Joost de Valk
 
Splunk corporate overview German 2012
Splunk corporate overview German 2012Splunk corporate overview German 2012
Splunk corporate overview German 2012
jenny_splunk
 
Flexpod: Maximize IT Responsiveness, Minimize Risk
Flexpod: Maximize IT Responsiveness, Minimize RiskFlexpod: Maximize IT Responsiveness, Minimize Risk
Flexpod: Maximize IT Responsiveness, Minimize Risk
Force 3
 
Threat Hunting with Splunk
Threat Hunting with SplunkThreat Hunting with Splunk
Threat Hunting with Splunk
Splunk
 
Introducing MFX for z/OS 2.1 & ZPSaver Suite
Introducing MFX for z/OS 2.1 & ZPSaver SuiteIntroducing MFX for z/OS 2.1 & ZPSaver Suite
Introducing MFX for z/OS 2.1 & ZPSaver Suite
Precisely
 
DevOps for the IBM Mainframe environment
DevOps for the IBM Mainframe environmentDevOps for the IBM Mainframe environment
DevOps for the IBM Mainframe environment
Micro Focus
 
Big Data Analytics for Real-time Operational Intelligence with Your z/OS Data
Big Data Analytics for Real-time Operational Intelligence with Your z/OS DataBig Data Analytics for Real-time Operational Intelligence with Your z/OS Data
Big Data Analytics for Real-time Operational Intelligence with Your z/OS Data
Precisely
 
Google Tag Manager Advanced - SEO CAMPIXX 2016
Google Tag Manager Advanced - SEO CAMPIXX 2016Google Tag Manager Advanced - SEO CAMPIXX 2016
Google Tag Manager Advanced - SEO CAMPIXX 2016
Thomas Czernik
 
Splunk for Security-Hands On
Splunk for Security-Hands OnSplunk for Security-Hands On
Splunk for Security-Hands On
Splunk
 
Machine Data 101
Machine Data 101Machine Data 101
Machine Data 101
Splunk
 
Splunk sales presentation
Splunk sales presentationSplunk sales presentation
Splunk sales presentation
jpelletier123
 
SEO: Crawl Budget Optimierung & Onsite SEO
SEO: Crawl Budget Optimierung & Onsite SEOSEO: Crawl Budget Optimierung & Onsite SEO
SEO: Crawl Budget Optimierung & Onsite SEO
Philipp Klöckner
 
Machine Learning und SEO: Ein Vektor sagt mehr als 1000 Wörter
Machine Learning und SEO: Ein Vektor sagt mehr als 1000 WörterMachine Learning und SEO: Ein Vektor sagt mehr als 1000 Wörter
Machine Learning und SEO: Ein Vektor sagt mehr als 1000 Wörter
Stefan Fischerländer
 
Incident Response Tactics with Compromise Indicators
Incident Response Tactics with Compromise IndicatorsIncident Response Tactics with Compromise Indicators
Incident Response Tactics with Compromise Indicators
F _
 
Mainframe Customer Education Webcast: Syncsort Gets Zen
Mainframe Customer Education Webcast: Syncsort Gets ZenMainframe Customer Education Webcast: Syncsort Gets Zen
Mainframe Customer Education Webcast: Syncsort Gets Zen
Precisely
 
Experiences in Mainframe-to-Splunk Big Data Access
Experiences in Mainframe-to-Splunk Big Data AccessExperiences in Mainframe-to-Splunk Big Data Access
Experiences in Mainframe-to-Splunk Big Data Access
Precisely
 
Getting Started with Splunk Enterprise
Getting Started with Splunk EnterpriseGetting Started with Splunk Enterprise
Getting Started with Splunk Enterprise
Splunk
 
Honeycon2014: Mining IoCs from Honeypot data feeds
Honeycon2014: Mining IoCs from Honeypot data feedsHoneycon2014: Mining IoCs from Honeypot data feeds
Honeycon2014: Mining IoCs from Honeypot data feeds
F _
 
City of San Diego Customer Presentation
City of San Diego Customer PresentationCity of San Diego Customer Presentation
City of San Diego Customer Presentation
Splunk
 
SplunkLive! - Splunk for Security
SplunkLive! - Splunk for SecuritySplunkLive! - Splunk for Security
SplunkLive! - Splunk for Security
Splunk
 
Large Scale SEO - Method to the madness
Large Scale SEO - Method to the madnessLarge Scale SEO - Method to the madness
Large Scale SEO - Method to the madness
Joost de Valk
 
Splunk corporate overview German 2012
Splunk corporate overview German 2012Splunk corporate overview German 2012
Splunk corporate overview German 2012
jenny_splunk
 
Flexpod: Maximize IT Responsiveness, Minimize Risk
Flexpod: Maximize IT Responsiveness, Minimize RiskFlexpod: Maximize IT Responsiveness, Minimize Risk
Flexpod: Maximize IT Responsiveness, Minimize Risk
Force 3
 
Threat Hunting with Splunk
Threat Hunting with SplunkThreat Hunting with Splunk
Threat Hunting with Splunk
Splunk
 
Introducing MFX for z/OS 2.1 & ZPSaver Suite
Introducing MFX for z/OS 2.1 & ZPSaver SuiteIntroducing MFX for z/OS 2.1 & ZPSaver Suite
Introducing MFX for z/OS 2.1 & ZPSaver Suite
Precisely
 
DevOps for the IBM Mainframe environment
DevOps for the IBM Mainframe environmentDevOps for the IBM Mainframe environment
DevOps for the IBM Mainframe environment
Micro Focus
 
Big Data Analytics for Real-time Operational Intelligence with Your z/OS Data
Big Data Analytics for Real-time Operational Intelligence with Your z/OS DataBig Data Analytics for Real-time Operational Intelligence with Your z/OS Data
Big Data Analytics for Real-time Operational Intelligence with Your z/OS Data
Precisely
 

Ähnlich wie Workshop Logfile Analyse mit Splunk (20)

Googlebot Analyse mit Elasticsearch
Googlebot Analyse mit ElasticsearchGooglebot Analyse mit Elasticsearch
Googlebot Analyse mit Elasticsearch
Valentin Pletzer
 
Domino 12(.0.2) Lessons learned - DNUG Stammtisch Hamburg
Domino 12(.0.2) Lessons learned - DNUG Stammtisch HamburgDomino 12(.0.2) Lessons learned - DNUG Stammtisch Hamburg
Domino 12(.0.2) Lessons learned - DNUG Stammtisch Hamburg
DNUG e.V.
 
XPages: Performance-Optimierung - Ulrich Krause (eknori) SNoUG 2013
XPages: Performance-Optimierung - Ulrich Krause (eknori) SNoUG 2013XPages: Performance-Optimierung - Ulrich Krause (eknori) SNoUG 2013
XPages: Performance-Optimierung - Ulrich Krause (eknori) SNoUG 2013
BCC - Solutions for IBM Collaboration Software
 
Elasticsearch und Big Data - Webinar vom 23.07.2014
Elasticsearch und Big Data - Webinar vom 23.07.2014Elasticsearch und Big Data - Webinar vom 23.07.2014
Elasticsearch und Big Data - Webinar vom 23.07.2014
inovex GmbH
 
Elastic Stack: Grundlagen der zentralen Logdatenverwaltung (Webinar vom 15. A...
Elastic Stack: Grundlagen der zentralen Logdatenverwaltung (Webinar vom 15. A...Elastic Stack: Grundlagen der zentralen Logdatenverwaltung (Webinar vom 15. A...
Elastic Stack: Grundlagen der zentralen Logdatenverwaltung (Webinar vom 15. A...
NETWAYS
 
Domino Statistiken verstehen und nutzen (Teil 1) - 41. DNUG Konferenz
Domino Statistiken verstehen und nutzen (Teil 1) - 41. DNUG KonferenzDomino Statistiken verstehen und nutzen (Teil 1) - 41. DNUG Konferenz
Domino Statistiken verstehen und nutzen (Teil 1) - 41. DNUG Konferenz
panagenda
 
Ladezeiten Verbessern - Css Und JavaScript Komprimieren
Ladezeiten Verbessern - Css Und JavaScript KomprimierenLadezeiten Verbessern - Css Und JavaScript Komprimieren
Ladezeiten Verbessern - Css Und JavaScript Komprimieren
Joomla! User Group Fulda
 
BATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern53 ELCA Analyticsdatenhaltung in der CloudBATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern
 
MongoDB-Skalierung auf echter Hardware vs. Amazon EC2
MongoDB-Skalierung auf echter Hardware vs. Amazon EC2MongoDB-Skalierung auf echter Hardware vs. Amazon EC2
MongoDB-Skalierung auf echter Hardware vs. Amazon EC2
Team Internet
 
OSMC 2008 | Monitoring von Messaging Systemen mit Nagios by Markus Thiel
OSMC 2008 | Monitoring von Messaging Systemen mit Nagios by Markus ThielOSMC 2008 | Monitoring von Messaging Systemen mit Nagios by Markus Thiel
OSMC 2008 | Monitoring von Messaging Systemen mit Nagios by Markus Thiel
NETWAYS
 
Zentrales Logging mit Elasticsearch
Zentrales Logging mit ElasticsearchZentrales Logging mit Elasticsearch
Zentrales Logging mit Elasticsearch
SimonSchneider24
 
Open Source Monitoring mit Icinga 2 (Webinar vom 13.11.2013)
Open Source Monitoring mit Icinga 2 (Webinar vom 13.11.2013)Open Source Monitoring mit Icinga 2 (Webinar vom 13.11.2013)
Open Source Monitoring mit Icinga 2 (Webinar vom 13.11.2013)
NETWAYS
 
Webinar Big Data - Enterprise Readiness mit Hadoop
Webinar Big Data - Enterprise Readiness mit HadoopWebinar Big Data - Enterprise Readiness mit Hadoop
Webinar Big Data - Enterprise Readiness mit Hadoop
fun communications GmbH
 
Big/Smart/Fast Data – a very compact overview
Big/Smart/Fast Data – a very compact overviewBig/Smart/Fast Data – a very compact overview
Big/Smart/Fast Data – a very compact overview
OMM Solutions GmbH
 
Neuerungen in TypoScript in TYPO3 Version 4.7
Neuerungen in TypoScript in TYPO3 Version 4.7Neuerungen in TypoScript in TYPO3 Version 4.7
Neuerungen in TypoScript in TYPO3 Version 4.7
Steffen Ritter
 
Tipps zur Performanceoptimierung für Liferay Portal
Tipps zur Performanceoptimierung für Liferay PortalTipps zur Performanceoptimierung für Liferay Portal
Tipps zur Performanceoptimierung für Liferay Portal
Stefan Hilpp
 
Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?
Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?
Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?
KurtStockinger
 
SEO Day 2016: Perfekte Ladezeiten und SEO-Hosting für Speed-Freaks
SEO Day 2016: Perfekte Ladezeiten und SEO-Hosting für Speed-FreaksSEO Day 2016: Perfekte Ladezeiten und SEO-Hosting für Speed-Freaks
SEO Day 2016: Perfekte Ladezeiten und SEO-Hosting für Speed-Freaks
SEARCH ONE
 
Exchange Server 2019 MetaCache Database und BigFunnel
Exchange Server 2019 MetaCache Database und BigFunnelExchange Server 2019 MetaCache Database und BigFunnel
Exchange Server 2019 MetaCache Database und BigFunnel
Thomas Stensitzki
 
Data-driven Technical SEO: Logfile Auditing - SEOkomm 2018
Data-driven Technical SEO: Logfile Auditing - SEOkomm 2018Data-driven Technical SEO: Logfile Auditing - SEOkomm 2018
Data-driven Technical SEO: Logfile Auditing - SEOkomm 2018
Bastian Grimm
 
Googlebot Analyse mit Elasticsearch
Googlebot Analyse mit ElasticsearchGooglebot Analyse mit Elasticsearch
Googlebot Analyse mit Elasticsearch
Valentin Pletzer
 
Domino 12(.0.2) Lessons learned - DNUG Stammtisch Hamburg
Domino 12(.0.2) Lessons learned - DNUG Stammtisch HamburgDomino 12(.0.2) Lessons learned - DNUG Stammtisch Hamburg
Domino 12(.0.2) Lessons learned - DNUG Stammtisch Hamburg
DNUG e.V.
 
XPages: Performance-Optimierung - Ulrich Krause (eknori) SNoUG 2013
XPages: Performance-Optimierung - Ulrich Krause (eknori) SNoUG 2013XPages: Performance-Optimierung - Ulrich Krause (eknori) SNoUG 2013
XPages: Performance-Optimierung - Ulrich Krause (eknori) SNoUG 2013
BCC - Solutions for IBM Collaboration Software
 
Elasticsearch und Big Data - Webinar vom 23.07.2014
Elasticsearch und Big Data - Webinar vom 23.07.2014Elasticsearch und Big Data - Webinar vom 23.07.2014
Elasticsearch und Big Data - Webinar vom 23.07.2014
inovex GmbH
 
Elastic Stack: Grundlagen der zentralen Logdatenverwaltung (Webinar vom 15. A...
Elastic Stack: Grundlagen der zentralen Logdatenverwaltung (Webinar vom 15. A...Elastic Stack: Grundlagen der zentralen Logdatenverwaltung (Webinar vom 15. A...
Elastic Stack: Grundlagen der zentralen Logdatenverwaltung (Webinar vom 15. A...
NETWAYS
 
Domino Statistiken verstehen und nutzen (Teil 1) - 41. DNUG Konferenz
Domino Statistiken verstehen und nutzen (Teil 1) - 41. DNUG KonferenzDomino Statistiken verstehen und nutzen (Teil 1) - 41. DNUG Konferenz
Domino Statistiken verstehen und nutzen (Teil 1) - 41. DNUG Konferenz
panagenda
 
Ladezeiten Verbessern - Css Und JavaScript Komprimieren
Ladezeiten Verbessern - Css Und JavaScript KomprimierenLadezeiten Verbessern - Css Und JavaScript Komprimieren
Ladezeiten Verbessern - Css Und JavaScript Komprimieren
Joomla! User Group Fulda
 
BATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern53 ELCA Analyticsdatenhaltung in der CloudBATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern53 ELCA Analyticsdatenhaltung in der Cloud
BATbern
 
MongoDB-Skalierung auf echter Hardware vs. Amazon EC2
MongoDB-Skalierung auf echter Hardware vs. Amazon EC2MongoDB-Skalierung auf echter Hardware vs. Amazon EC2
MongoDB-Skalierung auf echter Hardware vs. Amazon EC2
Team Internet
 
OSMC 2008 | Monitoring von Messaging Systemen mit Nagios by Markus Thiel
OSMC 2008 | Monitoring von Messaging Systemen mit Nagios by Markus ThielOSMC 2008 | Monitoring von Messaging Systemen mit Nagios by Markus Thiel
OSMC 2008 | Monitoring von Messaging Systemen mit Nagios by Markus Thiel
NETWAYS
 
Zentrales Logging mit Elasticsearch
Zentrales Logging mit ElasticsearchZentrales Logging mit Elasticsearch
Zentrales Logging mit Elasticsearch
SimonSchneider24
 
Open Source Monitoring mit Icinga 2 (Webinar vom 13.11.2013)
Open Source Monitoring mit Icinga 2 (Webinar vom 13.11.2013)Open Source Monitoring mit Icinga 2 (Webinar vom 13.11.2013)
Open Source Monitoring mit Icinga 2 (Webinar vom 13.11.2013)
NETWAYS
 
Webinar Big Data - Enterprise Readiness mit Hadoop
Webinar Big Data - Enterprise Readiness mit HadoopWebinar Big Data - Enterprise Readiness mit Hadoop
Webinar Big Data - Enterprise Readiness mit Hadoop
fun communications GmbH
 
Big/Smart/Fast Data – a very compact overview
Big/Smart/Fast Data – a very compact overviewBig/Smart/Fast Data – a very compact overview
Big/Smart/Fast Data – a very compact overview
OMM Solutions GmbH
 
Neuerungen in TypoScript in TYPO3 Version 4.7
Neuerungen in TypoScript in TYPO3 Version 4.7Neuerungen in TypoScript in TYPO3 Version 4.7
Neuerungen in TypoScript in TYPO3 Version 4.7
Steffen Ritter
 
Tipps zur Performanceoptimierung für Liferay Portal
Tipps zur Performanceoptimierung für Liferay PortalTipps zur Performanceoptimierung für Liferay Portal
Tipps zur Performanceoptimierung für Liferay Portal
Stefan Hilpp
 
Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?
Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?
Analyse von Applikationslogs und Querylogs: Datenbanken, Hadoop oder Splunk?
KurtStockinger
 
SEO Day 2016: Perfekte Ladezeiten und SEO-Hosting für Speed-Freaks
SEO Day 2016: Perfekte Ladezeiten und SEO-Hosting für Speed-FreaksSEO Day 2016: Perfekte Ladezeiten und SEO-Hosting für Speed-Freaks
SEO Day 2016: Perfekte Ladezeiten und SEO-Hosting für Speed-Freaks
SEARCH ONE
 
Exchange Server 2019 MetaCache Database und BigFunnel
Exchange Server 2019 MetaCache Database und BigFunnelExchange Server 2019 MetaCache Database und BigFunnel
Exchange Server 2019 MetaCache Database und BigFunnel
Thomas Stensitzki
 
Data-driven Technical SEO: Logfile Auditing - SEOkomm 2018
Data-driven Technical SEO: Logfile Auditing - SEOkomm 2018Data-driven Technical SEO: Logfile Auditing - SEOkomm 2018
Data-driven Technical SEO: Logfile Auditing - SEOkomm 2018
Bastian Grimm
 
Anzeige

Workshop Logfile Analyse mit Splunk