Metabase-Logs erfassen

Unterstützt in:

In diesem Dokument wird beschrieben, wie Sie Metabase-Logs mit Cloud Storage V2 in Google Security Operations aufnehmen.

Metabase ist eine Open-Source-Business-Intelligence- und Analyseplattform, mit der Unternehmen Datenbanken abfragen, Visualisierungen erstellen und Dashboards erstellen können. In den Pro- und Enterprise-Tarifen speichert Metabase Nutzungsanalysen und Audit-Daten in seiner Anwendungsdatenbank, einschließlich Aktivitätslogs, Ansichtslogs und Abfrageausführungsdatensätzen. Eine Cloud Run-Funktion fragt die Metabase API ab, um diese Daten abzurufen, und schreibt sie in einen Cloud Storage-Bucket, damit sie von Google SecOps aufgenommen werden können.

Hinweis

Prüfen Sie, ob die folgenden Voraussetzungen erfüllt sind:

  • Eine Google SecOps-Instanz
  • Ein Google Cloud -Projekt mit aktivierten Cloud Storage, Cloud Run, Pub/Sub und Cloud Scheduler APIs
  • Berechtigungen zum Erstellen und Verwalten von Cloud Storage-Buckets
  • Berechtigungen zum Verwalten von IAM-Richtlinien (Identity and Access Management) für Cloud Storage-Buckets
  • Berechtigungen zum Erstellen von Cloud Run-Diensten, Pub/Sub-Themen und Cloud Scheduler-Jobs
  • Metabase Pro- oder Enterprise-Tarif (Nutzungsanalysen sind in den Open-Source- oder Cloud Starter-Versionen nicht verfügbar)
  • Metabase-Administratorzugriff zum Erstellen von API-Schlüsseln
  • Die Metabase-Anwendungsdatenbank, die als Datenquelle in Metabase hinzugefügt wurde (erforderlich für die Abfrage von Audit-Tabellen über die API)

Metabase API-Zugriff konfigurieren

Damit Google SecOps Nutzungsanalysedaten abrufen kann, müssen Sie in Metabase einen API-Schlüssel erstellen und die Anwendungsdatenbank als abfragbare Datenquelle hinzufügen.

API-Schlüssel erstellen

  1. Melden Sie sich als Administrator in Ihrer Metabase-Instanz an.
  2. Klicken Sie oben rechts auf das Zahnradsymbol.
  3. Wählen Sie Administratoreinstellungen aus.
  4. Rufen Sie den Tab Einstellungen auf.
  5. Klicken Sie im Menü auf der linken Seite auf den Tab Authentifizierung.
  6. Scrollen Sie zu API-Schlüssel und klicken Sie auf Verwalten.
  7. Klicken Sie auf den Button API-Schlüssel erstellen.
  8. Geben Sie die folgenden Konfigurationsdetails an:
    • Schlüsselname: Geben Sie einen aussagekräftigen Namen ein (z. B. Google SecOps Integration).
    • Gruppe: Wählen Sie eine Gruppe mit Zugriff auf die Sammlung „Usage Analytics“ und Abfrageberechtigungen für die Anwendungsdatenbank aus.
  9. Klicken Sie auf Erstellen.
  10. Kopieren und speichern Sie den API-Schlüssel an einem sicheren Ort.

Anwendungsdatenbank als Datenquelle hinzufügen

Wenn Sie Audit-Tabellen über die API abfragen möchten, müssen Sie die Metabase-Anwendungsdatenbank als Datenquelle in Metabase hinzufügen.

  1. Klicken Sie in Metabase oben rechts auf das Zahnradsymbol.
  2. Wählen Sie Administratoreinstellungen aus.
  3. Wechseln Sie zum Tab Datenbanken.
  4. Klicken Sie auf Datenbank hinzufügen.
  5. Konfigurieren Sie die Datenbankverbindung:
    • Datenbanktyp: Wählen Sie PostgreSQL oder MySQL aus (je nach Anwendungsdatenbank).
    • Name: Geben Sie Metabase Application Database ein.
    • Host: Geben Sie den Hostnamen Ihrer Anwendungsdatenbank ein.
    • Port: Geben Sie den Datenbankport ein (Standard: 5432 für PostgreSQL, 3306 für MySQL).
    • Datenbankname: Geben Sie den Namen der Anwendungsdatenbank ein (z. B. metabase).
    • Nutzername: Geben Sie einen Datenbanknutzer mit SELECT-Berechtigungen für die Tabellen audit_log, view_log und query_execution ein.
    • Passwort: Geben Sie das Datenbankpasswort ein.
  6. Klicken Sie auf Speichern.
  7. Notieren Sie sich nach dem Speichern die Datenbank-ID aus der URL. Wenn die URL beispielsweise https://metabase.example.com/admin/databases/5 lautet, ist die Datenbank-ID 5.

Berechtigungen prüfen

So prüfen Sie, ob der API-Schlüssel die erforderlichen Berechtigungen hat:

  1. Melden Sie sich als Administrator in Metabase an.
  2. Klicken Sie auf das Zahnradsymbol > Administratoreinstellungen > Personen.
  3. Suchen Sie die Gruppe, die dem API-Schlüssel zugewiesen ist.
  4. Prüfen Sie, ob die Gruppe Zugriff auf die Sammlung Nutzungsanalysen hat.
  5. Gehen Sie zu Admin settings (Administratoreinstellungen) > Permissions (Berechtigungen) > Data (Daten).
  6. Prüfen Sie, ob die Gruppe Uneingeschränkten oder Abfragezugriff auf die Anwendungsdatenbank hat.

API-Zugriff testen

  • Testen Sie Ihre Anmeldedaten, bevor Sie mit der Integration fortfahren:

    # Replace with your actual values
    METABASE_URL="https://your-metabase-instance.com"
    API_KEY="mb_your_api_key_here"
    DATABASE_ID="5"
    
    # Test API key authentication
    curl -s -H "x-api-key: ${API_KEY}" \
      "${METABASE_URL}/api/database" \
      | python3 -m json.tool
    
    # Test querying the application database for audit_log records
    curl -s -X POST "${METABASE_URL}/api/dataset/json" \
      -H "x-api-key: ${API_KEY}" \
      -H "Content-Type: application/json" \
      -d "{\"database\": ${DATABASE_ID}, \"type\": \"native\", \"native\": {\"query\": \"SELECT * FROM audit_log ORDER BY id DESC LIMIT 5\", \"template-tags\": {}}, \"parameters\": []}" \
      | python3 -m json.tool
    

Eine erfolgreiche Antwort gibt ein JSON-Array der letzten Audit-Logeinträge zurück.

Cloud Storage-Bucket erstellen

  1. Rufen Sie die Google Cloud Console auf.
  2. Wählen Sie Ihr Projekt aus oder erstellen Sie ein neues.
  3. Rufen Sie im Navigationsmenü Cloud Storage > Buckets auf.
  4. Klicken Sie auf Bucket erstellen.
  5. Geben Sie die folgenden Konfigurationsdetails an:

    Einstellung Wert
    Bucket benennen Geben Sie einen global eindeutigen Namen ein (z. B. metabase-audit-logs).
    Standorttyp Wählen Sie die Option, die am besten zu Ihren Anforderungen passt (Region, Dual-Region, Multi-Region).
    Standort Wählen Sie den Standort aus (z. B. us-central1).
    Speicherklasse Standard (empfohlen für Logs, auf die häufig zugegriffen wird)
    Zugriffssteuerung Einheitlich (empfohlen)
    Schutztools Optional: Objektversionsverwaltung oder Aufbewahrungsrichtlinie aktivieren
  6. Klicken Sie auf Erstellen.

Dienstkonto für die Cloud Run-Funktion erstellen

Die Cloud Run-Funktion benötigt ein Dienstkonto mit Berechtigungen zum Schreiben in den Cloud Storage-Bucket und zum Aufrufen durch Pub/Sub.

Dienstkonto erstellen

  1. Wechseln Sie in der Google Cloud Console zu IAM und Verwaltung > Dienstkonten.
  2. Klicken Sie auf Dienstkonto erstellen.
  3. Geben Sie die folgenden Konfigurationsdetails an:
    • Name des Dienstkontos: Geben Sie metabase-audit-collector-sa ein.
    • Beschreibung des Dienstkontos: Geben Sie Service account for Cloud Run function to collect Metabase audit logs ein.
  4. Klicken Sie auf Erstellen und fortfahren.
  5. Fügen Sie im Abschnitt Diesem Dienstkonto Zugriff auf das Projekt erteilen die folgenden Rollen hinzu:
    1. Klicken Sie auf Rolle auswählen.
    2. Suchen Sie nach Storage Object Admin und wählen Sie die Rolle aus.
    3. Klicken Sie auf + Weitere Rolle hinzufügen.
    4. Suchen Sie nach Cloud Run Invoker und wählen Sie die Rolle aus.
    5. Klicken Sie auf + Weitere Rolle hinzufügen.
    6. Suchen Sie nach Cloud Functions-Aufrufer und wählen Sie die Rolle aus.
  6. Klicken Sie auf Weiter.
  7. Klicken Sie auf Fertig.

Diese Rollen sind erforderlich für:

  • Storage-Objekt-Administrator: Logs in den Cloud Storage-Bucket schreiben und Statusdateien verwalten
  • Cloud Run-Aufrufer: Pub/Sub erlauben, die Funktion aufzurufen
  • Cloud Functions-Invoker: Funktionsaufruf zulassen

IAM-Berechtigungen für Cloud Storage-Bucket gewähren

  1. Rufen Sie Cloud Storage > Buckets auf.
  2. Klicken Sie auf den Namen Ihres Buckets (metabase-audit-logs).
  3. Wechseln Sie zum Tab Berechtigungen.
  4. Klicken Sie auf Zugriff erlauben.
  5. Geben Sie die folgenden Konfigurationsdetails an:
    • Hauptkonten hinzufügen: Geben Sie die E-Mail-Adresse des Dienstkontos (metabase-audit-collector-sa@PROJECT_ID.iam.gserviceaccount.com) ein.
    • Rollen zuweisen: Wählen Sie Storage-Objekt-Administrator aus.
  6. Klicken Sie auf Speichern.

Pub/Sub-Thema erstellen

  1. Rufen Sie in der Google Cloud Console Pub/Sub > Themen auf.
  2. Klicken Sie auf Thema erstellen.
  3. Geben Sie die folgenden Konfigurationsdetails an:
    • Themen-ID: Geben Sie metabase-audit-trigger ein.
    • Übernehmen Sie die anderen Einstellungen.
  4. Klicken Sie auf Erstellen.

Cloud Run-Funktion zum Erfassen von Logs erstellen

Die Cloud Run-Funktion wird durch Pub/Sub-Nachrichten von Cloud Scheduler ausgelöst, um Auditdaten aus der Metabase API abzurufen und in Cloud Storage zu schreiben.

  1. Rufen Sie in der Google Cloud Console Cloud Run auf.
  2. Klicken Sie auf Dienst erstellen.
  3. Wählen Sie Funktion aus (Funktion mit einer Direktbearbeitung erstellen).
  4. Geben Sie im Abschnitt Konfigurieren die folgenden Konfigurationsdetails an:

    Einstellung Wert
    Dienstname metabase-audit-collector
    Region Wählen Sie die Region aus, die Ihrem Cloud Storage-Bucket entspricht (z. B. us-central1).
    Laufzeit Wählen Sie Python 3.12 oder höher aus.
  5. Im Abschnitt Trigger (optional):

    1. Klicken Sie auf + Trigger hinzufügen.
    2. Wählen Sie Cloud Pub/Sub aus.
    3. Wählen Sie unter Cloud Pub/Sub-Thema auswählen die Option metabase-audit-trigger aus.
    4. Klicken Sie auf Speichern.
  6. Im Abschnitt Authentifizierung:

    1. Wählen Sie Authentifizierung erforderlich aus.
    2. Prüfen Sie Identity and Access Management (IAM).
  7. Scrollen Sie nach unten und maximieren Sie Container, Netzwerk, Sicherheit.

  8. Rufen Sie den Tab Sicherheit auf:

    • Dienstkonto: Wählen Sie metabase-audit-collector-sa aus.
  9. Rufen Sie den Tab Container auf:

    1. Klicken Sie auf Variablen und Secrets.
    2. Klicken Sie für jede Umgebungsvariable auf + Variable hinzufügen:
    Variablenname Beispielwert Beschreibung
    GCS_BUCKET metabase-audit-logs Name des Cloud Storage-Buckets
    GCS_PREFIX metabase-audit Präfix für Logdateien
    STATE_KEY metabase-audit/state.json Pfad der Statusdatei
    METABASE_URL https://metabase.yourcompany.com Basis-URL der Metabase-Instanz
    METABASE_API_KEY mb_your_api_key_here Metabase-API-Schlüssel
    DATABASE_ID 5 ID der Anwendungsdatenbank
    LOOKBACK_HOURS 24 Anfänglicher Rückschauzeitraum
    PAGE_SIZE 2000 Datensätze pro API-Abfrage
  10. Scrollen Sie im Bereich Variablen und Secrets nach unten zu Anfragen:

    • Zeitüberschreitung bei Anfrage: Geben Sie 600 Sekunden (10 Minuten) ein.
  11. Wechseln Sie zum Tab Einstellungen:

    • Im Abschnitt Ressourcen:
      • Arbeitsspeicher: Wählen Sie 512 MiB oder höher aus.
      • CPU: Wählen Sie 1 aus.
  12. Im Abschnitt Versionsskalierung:

    • Mindestanzahl von Instanzen: Geben Sie 0 ein.
    • Maximale Anzahl von Instanzen: Geben Sie 100 ein.
  13. Klicken Sie auf Erstellen.

  14. Warten Sie, bis der Dienst erstellt wurde (1–2 Minuten).

  15. Nachdem der Dienst erstellt wurde, wird der Inline-Code-Editor automatisch geöffnet.

Funktionscode hinzufügen

  1. Geben Sie main in das Feld Einstiegspunkt ein.
  2. Erstellen Sie im Inline-Code-Editor zwei Dateien:

    • main.py:

      import functions_framework
      from google.cloud import storage
      import json
      import os
      import urllib3
      from datetime import datetime, timezone, timedelta
      
      http = urllib3.PoolManager(
        timeout=urllib3.Timeout(connect=10.0, read=60.0),
        retries=False,
      )
      
      storage_client = storage.Client()
      
      GCS_BUCKET = os.environ.get('GCS_BUCKET')
      GCS_PREFIX = os.environ.get('GCS_PREFIX', 'metabase-audit')
      STATE_KEY = os.environ.get('STATE_KEY', 'metabase-audit/state.json')
      METABASE_URL = os.environ.get('METABASE_URL', '').rstrip('/')
      API_KEY = os.environ.get('METABASE_API_KEY')
      DATABASE_ID = int(os.environ.get('DATABASE_ID', '1'))
      LOOKBACK_HOURS = int(os.environ.get('LOOKBACK_HOURS', '24'))
      PAGE_SIZE = int(os.environ.get('PAGE_SIZE', '2000'))
      
      TABLES = ['audit_log', 'view_log', 'query_execution']
      
      TABLE_TIME_COLUMNS = {
        'audit_log': 'timestamp',
        'view_log': 'timestamp',
        'query_execution': 'started_at',
      }
      
      @functions_framework.cloud_event
      def main(cloud_event):
        if not all([GCS_BUCKET, METABASE_URL, API_KEY]):
          print('Error: Missing required environment variables')
          return
      
        try:
          bucket = storage_client.bucket(GCS_BUCKET)
          state = load_state(bucket)
          now = datetime.now(timezone.utc)
      
          if isinstance(state, dict) and state.get('last_event_time'):
            try:
              last_val = state['last_event_time']
              if last_val.endswith('Z'):
                last_val = last_val[:-1] + '+00:00'
              last_time = datetime.fromisoformat(last_val)
              last_time = last_time - timedelta(minutes=2)
            except Exception as e:
              print(f"Warning: Could not parse last_event_time: {e}")
              last_time = now - timedelta(hours=LOOKBACK_HOURS)
          else:
            last_time = now - timedelta(hours=LOOKBACK_HOURS)
      
          print(f"Fetching logs from {last_time.isoformat()} to {now.isoformat()}")
      
          all_records = []
          newest_time = None
      
          for table in TABLES:
            time_col = TABLE_TIME_COLUMNS[table]
            records = fetch_table(table, time_col, last_time, now)
            for r in records:
              r['_metabase_table'] = table
              t = r.get(time_col)
              if t and (newest_time is None or str(t) > str(newest_time)):
                newest_time = t
            all_records.extend(records)
            print(f"Table {table}: fetched {len(records)} records")
      
          if not all_records:
            print("No new records found.")
            save_state(bucket, now.isoformat())
            return
      
          timestamp = now.strftime('%Y%m%d_%H%M%S')
          object_key = f"{GCS_PREFIX}/metabase_audit_{timestamp}.ndjson"
          blob = bucket.blob(object_key)
      
          ndjson = '\n'.join(
            [json.dumps(r, ensure_ascii=False, default=str) for r in all_records]
          ) + '\n'
          blob.upload_from_string(ndjson, content_type='application/x-ndjson')
      
          print(f"Wrote {len(all_records)} records to gs://{GCS_BUCKET}/{object_key}")
      
          save_state(bucket, str(newest_time) if newest_time else now.isoformat())
      
          print(f"Successfully processed {len(all_records)} records")
      
        except Exception as e:
          print(f'Error processing logs: {str(e)}')
          raise
      
      def fetch_table(table, time_col, start_time, end_time):
        start_str = start_time.strftime('%Y-%m-%d %H:%M:%S')
        end_str = end_time.strftime('%Y-%m-%d %H:%M:%S')
      
        all_records = []
        offset = 0
        max_pages = 50
      
        for page in range(max_pages):
          sql = (
            f"SELECT * FROM {table} "
            f"WHERE {time_col} >= '{start_str}' "
            f"AND {time_col} < '{end_str}' "
            f"ORDER BY {time_col} ASC "
            f"LIMIT {PAGE_SIZE} OFFSET {offset}"
          )
      
          query_body = {
            "database": DATABASE_ID,
            "type": "native",
            "native": {
              "query": sql,
              "template-tags": {}
            },
            "parameters": []
          }
      
          url = f"{METABASE_URL}/api/dataset/json"
          response = http.request(
            'POST', url,
            body=json.dumps(query_body).encode('utf-8'),
            headers={
              'x-api-key': API_KEY,
              'Content-Type': 'application/json'
            }
          )
      
          if response.status == 429:
            print(f"Rate limited on {table} query. Stopping pagination.")
            break
      
          if response.status != 200:
            print(f"{table} query failed: {response.status} - "
                f"{response.data.decode('utf-8')}")
            break
      
          page_results = json.loads(response.data.decode('utf-8'))
      
          if not page_results:
            break
      
          all_records.extend(page_results)
          print(f"{table} page {page + 1}: {len(page_results)} records "
              f"(total: {len(all_records)})")
      
          if len(page_results) < PAGE_SIZE:
            break
      
          offset += PAGE_SIZE
      
        return all_records
      
      def load_state(bucket):
        try:
          blob = bucket.blob(STATE_KEY)
          if blob.exists():
            return json.loads(blob.download_as_text())
        except Exception as e:
          print(f"Warning: Could not load state: {e}")
        return {}
      
      def save_state(bucket, last_event_time_iso):
        try:
          state = {
            'last_event_time': last_event_time_iso,
            'last_run': datetime.now(timezone.utc).isoformat()
          }
          blob = bucket.blob(STATE_KEY)
          blob.upload_from_string(
            json.dumps(state, indent=2),
            content_type='application/json'
          )
          print(f"Saved state: last_event_time={last_event_time_iso}")
        except Exception as e:
          print(f"Warning: Could not save state: {e}")
      
    • requirements.txt:

    functions-framework==3.*
    google-cloud-storage==2.*
    urllib3>=2.0.0
    
  3. Klicken Sie auf Bereitstellen, um die Funktion zu speichern und bereitzustellen.

  4. Warten Sie, bis die Bereitstellung abgeschlossen ist (2–3 Minuten).

Cloud Scheduler-Job erstellen

  1. Rufen Sie in der Google Cloud Console Cloud Scheduler auf.
  2. Klicken Sie auf Job erstellen.
  3. Geben Sie die folgenden Konfigurationsdetails an:

    Einstellung Wert
    Name metabase-audit-collector-hourly
    Region Wählen Sie dieselbe Region wie für die Cloud Run-Funktion aus.
    Frequenz 0 * * * * (stündlich zur vollen Stunde)
    Zeitzone Zeitzone auswählen (UTC empfohlen)
    Zieltyp Pub/Sub
    Thema metabase-audit-trigger auswählen
    Inhalt der Nachricht {} (leeres JSON-Objekt)
  4. Klicken Sie auf Erstellen.

Optionen für die Häufigkeit des Zeitplans

Wählen Sie die Häufigkeit basierend auf dem Logvolumen und den Latenzanforderungen aus:

Häufigkeit Cron-Ausdruck Anwendungsfall
Alle 5 Minuten */5 * * * * Hohes Volumen, niedrige Latenz
Alle 15 Minuten */15 * * * * Mittleres Suchvolumen
Stündlich 0 * * * * Standard (empfohlen)
Alle 6 Stunden 0 */6 * * * Geringes Volumen, Batchverarbeitung
Täglich 0 0 * * * Erhebung von Verlaufsdaten

Integration testen

  1. Suchen Sie in der Cloud Scheduler-Konsole nach Ihrem Job (metabase-audit-collector-hourly).
  2. Klicken Sie auf Ausführung erzwingen, um den Job manuell auszulösen.
  3. Warte einige Sekunden.
  4. Rufen Sie Cloud Run > Dienste auf.
  5. Klicken Sie auf metabase-audit-collector.
  6. Klicken Sie auf den Tab Logs.
  7. Prüfen Sie, ob die Funktion erfolgreich ausgeführt wurde. Achte dabei auf Folgendes:

    Fetching logs from YYYY-MM-DDTHH:MM:SS+00:00 to YYYY-MM-DDTHH:MM:SS+00:00
    Table audit_log: fetched X records
    Table view_log: fetched X records
    Table query_execution: fetched X records
    Wrote X records to gs://metabase-audit-logs/metabase-audit/metabase_audit_YYYYMMDD_HHMMSS.ndjson
    Successfully processed X records
    
  8. Rufen Sie Cloud Storage > Buckets auf.

  9. Klicken Sie auf metabase-audit-logs.

  10. Rufen Sie den Ordner metabase-audit/ auf.

  11. Prüfen Sie, ob eine neue .ndjson-Datei mit dem aktuellen Zeitstempel erstellt wurde.

Wenn Sie Fehler in den Logs sehen:

  • HTTP 401: Prüfen Sie, ob die Umgebungsvariable METABASE_API_KEY korrekt ist und der Schlüssel nicht gelöscht oder neu generiert wurde.
  • HTTP 403: Prüfen Sie, ob die Gruppe des API-Schlüssels Abfrageberechtigungen für die Anwendungsdatenbank hat.
  • HTTP 429: Ratenbegrenzung – die Funktion beendet die Paginierung und setzt sie bei der nächsten geplanten Ausführung fort.
  • Fehlende Umgebungsvariablen: Prüfen Sie, ob alle erforderlichen Variablen in der Konfiguration der Cloud Run-Funktion festgelegt sind.
  • Leere Ergebnisse: Prüfen Sie, ob die DATABASE_ID korrekt ist, die Anwendungsdatenbank als Datenquelle hinzugefügt wurde und Sie Metabase Pro oder Enterprise verwenden.

Google SecOps-Dienstkonto abrufen

  1. Rufen Sie die Einstellungen > Datenverwaltung > Feeds auf. Wenn Sie eine reine SIEM-Plattform verwenden, rufen Sie die Einstellungen > Feeds auf.
  2. Klicken Sie auf Neuen Feed hinzufügen.
  3. Klicken Sie auf Einzelnen Feed konfigurieren.
  4. Geben Sie im Feld Feedname einen Namen für den Feed ein, z. B. Metabase Audit Logs.
  5. Wählen Sie Google Cloud Storage V2 als Quelltyp aus.
  6. Wählen Sie METABASE als Logtyp aus.
  7. Klicken Sie auf Dienstkonto abrufen. Eine eindeutige E-Mail-Adresse für das Dienstkonto wird angezeigt, z. B.:

    chronicle-12345678@chronicle-gcp-prod.iam.gserviceaccount.com
    
  8. Kopieren Sie diese E-Mail-Adresse, um sie im nächsten Schritt zu verwenden.

  9. Klicken Sie auf Weiter.

  10. Geben Sie Werte für die folgenden Eingabeparameter an:

    • Storage-Bucket-URL: Geben Sie den Cloud Storage-Bucket-URI mit dem Präfixpfad ein:

      gs://metabase-audit-logs/metabase-audit/
      
    • Option zum Löschen der Quelle: Wählen Sie die gewünschte Löschoption aus:

      • Nie: Nach Übertragungen werden keine Dateien gelöscht (für Tests empfohlen).
      • Übertragene Dateien löschen: Dateien werden nach erfolgreicher Übertragung gelöscht.
      • Übertragene Dateien und leere Verzeichnisse löschen: Dateien und leere Verzeichnisse werden nach erfolgreicher Übertragung gelöscht.

    • Maximales Dateialter: Dateien einschließen, die in den letzten Tagen geändert wurden (Standardwert: 180 Tage)

    • Asset-Namespace: Der Asset-Namespace

    • Labels für Datenaufnahme: Das Label, das auf die Ereignisse aus diesem Feed angewendet werden soll.

  11. Klicken Sie auf Weiter.

  12. Prüfen Sie die neue Feedkonfiguration auf dem Bildschirm Abschließen und klicken Sie dann auf Senden.

Dem Google SecOps-Dienstkonto IAM-Berechtigungen gewähren

Das Google SecOps-Dienstkonto benötigt die Rolle Storage-Objekt-Betrachter für Ihren Cloud Storage-Bucket.

  1. Rufen Sie Cloud Storage > Buckets auf.
  2. Klicken Sie auf metabase-audit-logs.
  3. Wechseln Sie zum Tab Berechtigungen.
  4. Klicken Sie auf Zugriff erlauben.
  5. Geben Sie die folgenden Konfigurationsdetails an:
    • Hauptkonten hinzufügen: Fügen Sie die E‑Mail-Adresse des Google SecOps-Dienstkontos ein.
    • Rollen zuweisen: Wählen Sie Storage Object Viewer aus.
  6. Klicken Sie auf Speichern.

Tabellen für Nutzungsanalysen

Die Cloud Run-Funktion fragt die folgenden Tabellen aus der Metabase-Anwendungsdatenbank ab:

Tabellenname Beschreibung
audit_log Aufzeichnungen von Konfigurationsänderungen, Nutzeraktionen und Systemereignissen
view_log Erfasst Aufrufe von Karten (Fragen/Modellen), Dashboards und Tabellen
query_execution Informationen zu allen Abfragen, die in allen Dashboards ausgeführt wurden

Datenaufbewahrung

Standardmäßig werden Nutzungsanalysedaten in Metabase 720 Tage (ca. 2 Jahre) lang aufbewahrt. Zweimal täglich löscht Metabase automatisch Zeilen, die älter als dieser Schwellenwert sind. Wenn Sie die Aufbewahrungsdauer ändern möchten, legen Sie beim Ausführen von Metabase die Umgebungsvariable MB_AUDIT_MAX_RETENTION_DAYS fest.

UDM-Zuordnungstabelle

Logfeld UDM-Zuordnung Logik
zusätzlich zusätzlich Umbenannt von „Zusätzlich“
locale additional.fields Zusammengeführt mit den entsprechenden Labels (z.B. locale_label für locale, is_active_label für is_active usw.)
is_active additional.fields
is_qbnewb additional.fields
group_ids additional.fields
is_superuser additional.fields
login_attributes additional.fields
id additional.fields
sso_source additional.fields
personal_collection_id additional.fields
Metadaten Metadaten Umbenannt aus Metadaten
updated_at metadata.event_timestamp Datum, das aus „updated_at“ mit ISO8601, RFC 3339 oder yyyy-MM-ddTHH:mm:ss.SSSSSSZ geparst wurde
has_userid metadata.event_type Wird auf „USER_UNCATEGORIZED“ gesetzt, wenn has_userid == „true“, andernfalls auf „GENERIC_EVENT“
Prinzipal Prinzipal Umbenannt von Hauptkonto
metabase_host principal.url Wert direkt kopiert
date_joined principal.user.attribute.creation_time Datum, das aus „date_joined“ mit ISO8601, RFC 3339 oder yyyy-MM-ddTHH:mm:ss.SSSSSSZ geparst wurde
E-Mail principal.user.email_addresses Aus E‑Mail zusammengeführt
first_name principal.user.first_name Wert direkt kopiert
last_login principal.user.last_login_time Datum, das aus „last_login“ mit ISO8601, RFC 3339 oder yyyy-MM-ddTHH:mm:ss.SSSSSSZ geparst wurde
last_name principal.user.last_name Wert direkt kopiert
common_name principal.user.user_display_name Wert direkt kopiert
E-Mail principal.user.userid Wert direkt aus der E-Mail kopiert
security_result security_result Aus security_result zusammengeführt
Ziel Ziel Vom Ziel umbenannt
metadata.product_name metadata.product_name Legen Sie diesen Wert auf „METABASE“ fest.
metadata.vendor_name metadata.vendor_name Legen Sie diesen Wert auf „METABASE“ fest.

Änderungsprotokoll

Änderungsprotokoll für diesen Parser ansehen

Benötigen Sie weitere Hilfe? Antworten von Community-Mitgliedern und Google SecOps-Experten erhalten