保存上一步配置好的规则组，日志数据经过DBus执行算子引擎，就可以生成相应的结构化数据了。目前根据项目实际，DBus输出的数据是UMS格式，如果不想使用UMS，可以经过简单的开发，实现定制化。
注：UMS是DBus定义并使用的、通用的数据交换格式，是标准的JSON。其中同时包含了schema和数据信息。更多UMS介绍请参考DBus开源项目主页的介绍。开源地址：https://github.com/bridata/dbus
以下是测试案例，输出的结构化UMS数据的样例：
为了便于掌握数据抽取、规则匹配、监控预警等情况，我们提供了日志数据抽取的可视化实时监控界面，如下图所示，可随时了解以下信息：
实时数据条数
错误条数情况（错误条数是指：执行算子时出现错误的情况，帮助发现算子与数据是否匹配，用于修改算子，DBus同时也提供了日志回读的功能，以免丢失部分数据）
数据延时情况
日志抽取端是否正常
监控信息中包含了来自集群内各台主机的监控信息，以主机IP（或域名）对数据分别进行监控、统计和预警等。
监控中还有一张表叫做_unkown_table_ 表明所有没有被匹配上的数据条数。例如：Logstash抓取的日志中有5种不同事件的日志数据，我们只捕获了其中3种事件，其它没有被匹配上的数据，全部在_unkown_table_计数中。
DBus同样可以接入Flume、Filebeat、UMS等数据源，只需要稍作配置，就可以实现类似于对Logstash数据源同样的处理效果，更多关于DBus对log的处理说明，请参考：
https://bridata.github.io/DBus/install-logstash-source.html
https://bridata.github.io/DBus/install-flume-source.html
https://bridata.github.io/DBus/install-filebeat-source.html
应用日志经过DBus处理后，将原始数据日志转换为了结构化数据，输出到Kafka中提供给下游数据使用方进行使用，比如通过Wormhole将数据落入数据库等。具体如何将DBus与Wormhole结合起来使用，请参考：如何设计实时数据平台（技术篇）。