Если ты прошёл раздел про мониторинг, половину LogQL ты уже знаешь. Язык запросов Loki нарочно сделали похожим на PromQL: в начале тот же селектор с метками в фигурных скобках, а функции подсчёта называются почти так же. Запросы пишут в Grafana, в разделе Explore, и в панелях дашбордов. Урок о том, как найти нужные строки и посчитать их за четыре шага: выбрать поток, отфильтровать текст, разобрать поля, посчитать.
Порядок шагов не случаен — так устроен сам Loki. Он ищет быстро, когда сначала выбраны папка и неделя, как в почте: слово «счёт» во всех письмах за десять лет ищется долго, а в папке «Бухгалтерия» за сентябрь — мгновенно. Отсюда и то, чего LogQL не умеет: соединять журналы, как JOIN в SQL, и быстро искать по всему хранилищу без меток.
Выбор потока
Каждый запрос начинается с селектора — меток в фигурных скобках. Он говорит Loki, какие потоки вообще читать.
{container="logs-web-1"}Этот запрос вернёт все строки nginx со стенда. Меток можно указать несколько, через запятую, а вместо = написать != (не равно) или =~ (подходит под регулярное выражение): {container=~"logs-.*"} — все контейнеры стенда журналов.
Без селектора запрос не выполнится вовсе: Loki ответит ошибкой о том, что нужна хотя бы одна метка. Это не каприз, а защита от чтения всего хранилища.
Но селектор отбирает поток целиком, со всеми строками подряд — и нужными, и шумом.
Фильтры по тексту
После селектора ставят фильтры — условия на текст строки. Самый частый — |=, «строка содержит»:
{container="logs-web-1"} |= " 404 "172.23.0.1 - - [01/Oct/2026:17:57:39 +0000] "GET /nope HTTP/1.1" 404 153 "-" "curl/8.7.1"Пробелы вокруг 404 важны: без них совпадёт и размер ответа 14045. Но и с пробелами фильтр поймает ответ размером ровно 404 байта — подстрока не знает, где в строке код. Когда нужна точность, строку разбирают на поля по образцу выражением | pattern, оно описано в документации LogQL; на старте хватает подстроки. Ещё три фильтра: != — строка не содержит (так убирают шум), |~ — подходит под регулярное выражение, !~ — не подходит. Фильтры ставят цепочкой, и выполняются они слева направо:
{container="logs-web-1"} != "healthcheck" |= "POST"Первым ставят тот, что отсекает больше всего: следующим достаётся меньше работы. Для простых строк nginx этого хватает. Структурированные строки можно разобрать точнее.
Разбор JSON на поля
Если строка — JSON, её можно разобрать на поля словом | json. После этого фильтруют уже не по подстроке, а по значению поля, со сравнениями.
Пример — строки фальшивого приложения logs-fakeapp-1, которое пишет журнал в JSON; его мы поднимем в следующей практике.
{container="logs-fakeapp-1"} | json | status >= 500Запрос вернёт только строки, где поле status больше или равно 500, — то есть ошибки сервера. Подстрокой |= "50" такое не сделать: совпадёт и bytes: 4501. Условия можно соединять: | json | status >= 500 | method="POST".
Поля, которые достал | json, живут только внутри запроса. Новых потоков в хранилище от этого не появляется, поэтому разбирать можно что угодно, хоть идентификатор запроса. Для строк вида key=value есть такой же разбор | logfmt.
Найти строки — половина дела. Часто нужно не прочитать их, а сосчитать.
Подсчёт: метрики из журналов
Функция count_over_time считает строки в окне времени, которое пишут в квадратных скобках. Результат уже не строки, а график, как в Prometheus.
sum by (method) ( count_over_time({container="logs-fakeapp-1"} | json [1m]) )
Читай изнутри наружу. {…} | json — строки фальшивого приложения, разобранные на поля. [1m] — окно в одну минуту. count_over_time — сколько строк пришло за минуту до каждой точки графика. sum by (method) — сложить отдельно для каждого значения поля method. На графике будет по линии на GET, POST, PUT и остальные.
Окно здесь скользящее, как у rate в Prometheus: точки графика стоят чаще минуты, и окна соседних точек перекрываются. Поэтому складывать точки нельзя — одна и та же строка попадёт в несколько из них. Это не «корзины по минуте», а «сколько за последнюю минуту в этот момент»; аналитик узнает здесь разницу между скользящим окном и группировкой по часам.
Рядом живёт rate — то же самое, но в строках в секунду. Им считают долю ошибок по журналу, если метрики для этого нет.
Важное ограничение: такие запросы каждый раз перечитывают строки, поэтому на дашборд, который обновляется каждые десять секунд, их ставят с осторожностью. То, что нужно видеть постоянно — долю ошибок, задержку, — лучше брать из Prometheus. По журналам считают разовые вопросы: «сколько раз за ночь встретилась эта ошибка».
Словарь урока
Что спросят на собеседовании
- Как устроен запрос в LogQL?Сначала селектор потоков по меткам в фигурных скобках, затем фильтры по тексту, разбор полей через json или logfmt и, при необходимости, функция подсчёта вроде count_over_time или rate.
- Почему запросы в Loki бывают медленными?Текст не индексируется, и всё, что отобрано метками, перебирается. Широкий селектор на большом окне времени читает гигабайты. Лечится узким селектором и коротким окном.
- Когда считать по журналам, а когда по метрикам?Постоянные показатели для дашбордов и оповещений — из метрик, это дешевле. Разовые вопросы и редкие события — по журналам.
Что дальше
В практике ты наберёшь эти запросы в Grafana на своём стенде и проверишь, что журнал переживает удалённый контейнер.