长亭百川云 - 文章详情

Nginx日志分析:编写Shell脚本进行全面日志统计

didiplus

56

2024-07-29

大家好!我是一个热衷于分享IT技术的up主。在这个公众号里,我将为大家带来最新、最实用的技术干货,从编程语言到前沿科技,从软件开发到网络安全。希望通过我的分享,能够帮助更多的小伙伴提升技术水平,共同成长!欢迎关注,一起探索科技的魅力吧!

Nginx
是一个高性能的HTTP
和反向代理服务器,也是一个IMAP/POP3/SMTP
代理服务器。无论是在大流量的网站还是小型的个人博客中,Nginx
都得到了广泛应用。在实际生产环境中,对Nginx
日志的分析有助于我们了解网站的访问情况,发现潜在问题并进行优化。本文将通过编写Shell脚本,实现对Nginx
日志的全面统计分析。

Nginx日志格式

首先,我们需要确保Nginx日志格式与以下格式类似:

log_format main '$remote_addr - $remote_user [$time_local] "$request" '  
                '$status $body_bytes_sent "$http_referer" '  
                '"$http_user_agent" "$http_x_forwarded_for"';

假设我们的日志文件名为access.log

Shell脚本实现

接下来,我们编写一个Shell脚本,对Nginx
日志进行统计分析。这个脚本包括以下功能:

  1. 统计各种状态码的数量

  2. 统计访问最多的Referer

  3. 统计访问最高的URI

  4. 统计访问最多的IP和User-Agent

  5. 统计每分钟的请求数、流量、请求时间、状态码等

脚本代码实现

  1. 统计各种状态码的数量
awk '  
{  
  Arry[$12] += 1;    
  total++;    
}  
END {  
  for (s in Arry) {  
    printf "%d\t%.4f\t%s\n", Arry[s], Arry[s] / total, s  
  }  
}  
' $LOG_FILE | sort -nr -k 1,1

  • Arry[$12] += 1;
    :

  • $12
    是日志文件的第十二个字段,通常表示 HTTP 状态码。

  • Arry
    是一个关联数组,以 HTTP 状态码为键,将每个状态码出现的次数累加到数组 Arry
    中。

  • Arry[$12] += 1;
    表示状态码 $12
    出现的次数加 1。

  • total++;
    :

  • 记录总的日志行数。

  • for (s in Arry)
    :

  • 遍历数组 Arry
    中的每个状态码 s

  • printf "%d\t%.4f\t%s\n", Arry[s], Arry[s] / total, s
    :

  • 打印每个状态码的出现次数、占比和状态码本身。

  • Arry[s]
    是状态码 s
    出现的次数。

  • Arry[s] / total
    是该状态码出现的比例(占总请求数的百分比)。

  • s
    是状态码。

  • 输出格式为:出现次数\t
    比例\t
    状态码。

运行上述的命令,输出如下结果:

统计各种状态码的数量

  1. 统计访问最多的Referer
awk -F\" '  
    {  
    Arry[$4] += 1;  # 将每个引用的字段($4)出现的次数累加到数组Arry中  
    total++;        # 记录总的日志行数  
    }  
    END {  
    for (s in Arry) {  # 遍历数组Arry中的每个引用字段  
        printf "%d\t%.4f\t%s\n", Arry[s], Arry[s] / total, s  # 打印每个引用字段的出现次数、占比和引用字段本身  
    }  
    }  
    ' $LOG_FILE | sort -nr -k 1,1  # 按出现次数降序排序

执行上述命令后,输出如下图的结果:

统计访问最多的Referer

  1. 统计访问最高的URI
awk  '  
    {  
    Arry[$9] += 1;  # 将每个引用的字段($18)出现的次数累加到数组Arry中  
    total++;        # 记录总的日志行数  
    }  
    END {  
    for (s in Arry) {  # 遍历数组Arry中的每个引用字段  
        printf "%d\t%.4f\t%s\n", Arry[s], Arry[s] / total, s  # 打印每个引用字段的出现次数、占比和引用字段本身  
    }  
    }  
    ' $LOG_FILE | sort -nr -k 1  # 按出现次数降序排序

执行上述命令后,输出如下图的结果:

统计访问最高的URI

  1. 统计访问最多的IP和User-Agent
  • 统计最多IP访问次数
awk '  
    {  
    Arry[$1] += 1;  # 将每个IP地址出现的次数累加到数组Arry中  
    total++;        # 记录总的日志行数  
    }  
    END {  
    for (s in Arry) {  # 遍历数组Arry中的每个IP地址  
        printf "%d\t%.4f\t%s\n", Arry[s], Arry[s] / total, s  # 打印每个IP地址的出现次数、占比和IP地址本身  
    }  
    }  
    ' $LOG_FILE | sort -nr -k 1,1

执行上述命令后,输出如下图的结果:

统计最多IP访问次数

  • 统计最多访问的User-Agent
awk  '  
    {  
    Arry[$18] += 1;  # 将每个引用的字段($18)出现的次数累加到数组Arry中  
    total++;        # 记录总的日志行数  
    }  
    END {  
    for (s in Arry) {  # 遍历数组Arry中的每个引用字段  
        printf "%d\t%.4f\t%s\n", Arry[s], Arry[s] / total, s  # 打印每个引用字段的出现次数、占比和引用字段本身  
    }  
    }  
    ' $LOG_FILE | sort -nr -k 1  # 按出现次数降序排序

执行上述命令后,输出如下图的结果:

统计访问统计访问

  1. 统计每分钟的请求数、流量、请求时间、状态码等
awk -F '|' '  
  BEGIN {  
    printf "时间\t数量\t流量[MB]\t请求时间\t20x\t30x\t40x\t50x\t60x\n"  
  }  
  {  
    # 提取时间的分钟部分  
    minute = substr($2, 12, 5)  
  
    # 累计流量、请求数和请求时间  
    tms[minute] += $13  
    cnt[minute] += 1  
    reqt[minute] += $15  
  
    # 统计状态码  
    status_code = $9  
    if (status_code ~ /^2/) { sc20x[minute]++ }  
    else if (status_code ~ /^3/) { sc30x[minute]++ }  
    else if (status_code ~ /^4/) { sc40x[minute]++ }  
    else if (status_code ~ /^5/) { sc50x[minute]++ }  
    else { sc60x[minute]++ }  
  }  
  END {  
    for (t in tms) {  
      printf "%s\t%d\t%.4f\t%.4f\t%d\t%d\t%d\t%d\t%d\n",  
             t,  
             cnt[t],  
             tms[t] / 1024 / 1024,  
             (cnt[t] > 0 ? reqt[t] / cnt[t] : 0),  
             sc20x[t],  
             sc30x[t],  
             sc40x[t],  
             sc50x[t],  
             sc60x[t]  
    }  
  }  
  ' "$LOG_FILE"

执行上述命令后,输出如下结果:

总结

通过上述Shell脚本,我们可以快速、全面地分析Nginx日志,了解网站的访问情况和性能表现。这不仅有助于我们发现潜在问题,还能为后续的优化工作提供有力的数据支持。在实际应用中,你可以根据自己的需求,进一步扩展和定制这个脚本。

脚本获取方式


上述脚本已经上传上传到gitee
,有需要的小伙伴可以自行获取。gitee上的仓库主要是分享一些工作中常用的脚本。小伙伴可以frok或者watch仓库,这样有更新可以及时关注到。

脚本仓库

仓库地址:

https://gitee.com/didiplus/script

推荐阅读



相关推荐
关注或联系我们
添加百川云公众号,移动管理云安全产品
咨询热线:
4000-327-707
百川公众号
百川公众号
百川云客服
百川云客服

Copyright ©2024 北京长亭科技有限公司
icon
京ICP备 2024055124号-2