当前位置:首页 > 文章列表 > 数据库 > MySQL > MySQL Enterprise Audit 怎么按用户过滤:audit_log_filter_set_filter 与查询统计

MySQL Enterprise Audit 怎么按用户过滤:audit_log_filter_set_filter 与查询统计

来源:17golang原创 2026-08-21 11:26:26 0浏览 收藏

MySQL Enterprise Audit 开启后,最先变大的往往不是故障记录,而是健康检查、连接探活和后台账号产生的重复事件。继续保留全量日志当然方便,但排查一次真实变更时,审计文件很快就会变成噪声堆。MySQL 8.4 可以用 audit_log_filter_set_filter() 定义规则,再用 audit_log_filter_set_user() 按账号分配过滤器。

要点速览

  • 这套函数属于 MySQL Enterprise Audit,社区版不能按同样前提直接套用。
  • 过滤器用 JSON 定义,可按事件类、子类和字段值决定记录或忽略。
  • 过滤器定义和用户分配是两步,改完必须用查询确认账号当前绑定关系。
  • 查询时间、发送接收字节数、返回行数和扫描行数属于可选查询统计字段,开启前要评估日志体积。

先确认插件和过滤接口是否存在

不要先写 JSON 再猜版本。MySQL Enterprise Audit 需要先安装 audit_log 插件及其伴随函数和表,实际安装脚本位于 MySQL 发行包的 share 目录。生产环境先确认授权版本、插件状态和审计日志落盘位置。

SHOW PLUGINS;

SELECT TABLE_SCHEMA, TABLE_NAME
FROM information_schema.TABLES
WHERE TABLE_NAME LIKE 'audit_log%';

如果函数不存在,先停止在业务账号上反复尝试。审计过滤不是普通 SQL 的兼容开关,安装、卸载和日志目录都应由数据库管理员按当前发行版文档处理。

用一个小规则收窄审计事件

过滤器的主体是 JSON。下面的示例只保留连接和表操作相关事件,结构故意保持小,先验证规则能被接受,再逐步加入用户条件和查询统计。

SELECT audit_log_filter_set_filter(
  'ops_review',
  '{
    "filter": {
      "class": [
        { "name": "connection", "event": { "name": "connect" } },
        { "name": "general", "event": { "name": "table_access" } }
      ]
    }
  }'
);

函数返回成功并不等于日志已经按预期变化。先查询过滤器定义,再用一个专用测试账号产生一条可识别事件;不要直接拿生产账号做大范围验证。

MySQL Enterprise Audit 事件进入 JSON 过滤器后按连接和表访问分流的真实性场景

按账号分配过滤器,避免全局规则误伤

过滤器定义完成后,还要把它分配给目标用户。账号过滤比所有连接都套一套规则更容易控制范围,也方便为后台任务、报表账号和人工运维账号设置不同审计强度。

SELECT audit_log_filter_set_user(
  'report_user',
  'ops_review'
);

SELECT *
FROM mysql.audit_log_filter_user
WHERE USER = 'report_user';

部分环境会为没有显式分配过滤器的账号使用默认过滤器。上线前把显式分配和默认兜底分别列出来,尤其要检查应用连接池使用的账号是否被意外套上了过宽规则。

查询统计字段要单独评估日志成本

MySQL 8.4 支持把查询时间、发送和接收字节数、返回行数、扫描行数等统计信息加入 JSON 审计事件。它们对慢查询取证很有用,但会让每条相关事件携带更多字段。先只给排障账号开启,再观察文件大小和写入压力。

{
  "filter": {
    "class": [
      {
        "name": "general",
        "event": {
          "name": "status",
          "log": true,
          "service": { "name": "query_statistics" }
        }
      }
    ]
  }
}

这里不要把审计日志当成慢查询日志的替代品。审计更关心谁在什么上下文做了什么,而性能诊断工具更适合连续收集耗时和执行计划;两类数据应该互相补充。

MySQL Enterprise Audit 按用户分配过滤器并在事件中补充查询时间和扫描行数的真实性场景

修改、回滚和验收应该是一组动作

过滤器上线前保存旧定义和用户映射。修改时优先创建一个新名字的过滤器,在测试账号上验证,再切换绑定;出现日志量异常时可以迅速把账号切回原过滤器。

SELECT audit_log_filter_set_user('report_user', 'ops_review_v2');

SELECT audit_log_filter_set_user('report_user', 'ops_review');

SELECT * FROM mysql.audit_log_filter_user
WHERE FILTERNAME = 'ops_review_v2';

验收至少包含四件事:过滤器定义可读、用户绑定正确、测试事件出现在预期日志中、未命中的事件没有被误记录或误丢弃。最后再看审计文件增长速度和轮转策略,避免规则正确但磁盘先满。

常见问题

MySQL Community 能直接使用 audit_log_filter_set_filter 吗?

不能按 Enterprise Audit 的前提直接假设可用。先核对发行版和插件安装状态,再决定是否使用对应的审计能力。

定义过滤器后为什么账号日志没有变化?

常见原因是只定义了过滤器,没有调用用户分配函数,或者应用账号没有走预期的连接身份。先查用户映射表,再用专用测试连接验证。

过滤器能不能只记录某个数据库?

可以继续按事件字段值设计包含或排除条件,但应先用小范围测试确认 JSON 层级和事件字段名称,不要凭业务表名猜审计事件结构。

开启 query statistics 后最该看什么?

先看查询时间、扫描行数和日志增长量。它适合补充审计证据,不应替代慢查询、执行计划和容量监控。

结语:过滤规则要能解释,也要能撤回

审计过滤的价值不在于把日志变少,而在于让每条留下来的记录都能回答哪个账号、哪类事件、为什么保留。把版本前提、JSON 定义、用户映射、测试事件和回滚动作一起纳入变更记录,后续排障才不会只剩一份难以阅读的日志文件。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Postman OAuth 2.0 客户端凭据怎么配置:Token、Scope 与 Use Token 核对Postman OAuth 2.0 客户端凭据怎么配置:Token、Scope 与 Use Token 核对
上一篇
Postman OAuth 2.0 客户端凭据怎么配置:Token、Scope 与 Use Token 核对
Redis COMMAND DOCS 怎么做命令兼容探测:since、arguments 与版本分支
下一篇
Redis COMMAND DOCS 怎么做命令兼容探测:since、arguments 与版本分支
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    343次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    403次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    404次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    363次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    185次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码