linux下使用awk,wc,sort,uniq,grep对nginx日志进行分析和统计

通过对awk, wc, uniq, grep, sort等命令的组合，分析nginx的access和error日志。

统计各种总量、单位时间量。

access.log日志格式(见下图）

说明：
a). 按照Tab键拆分每项数据
b). 字段含义（如下说明）
column1：ip_address
column2：log_time
column3：request
column4：status_code
column5：send_bytes
column6：referer

需求一：统计总记录数，总成功数，各种失败数：404，403,500

1. 提取总数

    思路：拆分原始文件，找到状态列，按照不同条件值，分别获取总数。

    a). 使用awk拆分并提取状态码列，并保证该列值大于0，并使用wc命令计算总行

     wc -l 对结果进行汇总

     awk使用-F来指定数据项分隔符。一个字符可是直接使用，比如-F:(英文逗号分隔)，否则应该使用英文‘’将分隔符括起来，比如

-F'\t'。

    b). 添加说明信息

    wc -l 的结果作为awk的第一列，所以取$1

2. 提取成功、各种失败总数

    a). 200成功总数

    在使用awk时，针对变量使用条件执行过滤

    b). 404失败总数

    c). 403失败总数

   d).500失败总数

需求二：各种错误中，哪类URL出现的次数最多，要求剔除重复项，并倒叙给出结果

    思路：
    1). 拆分获取request和StatusCode
    2). 对request再拆分获取真实URL
    3). 对URL排序，排重，再计算总数，最后再倒叙给出结果

    a). 使用awk得到某类错误（status=500）包含request的中间结果。注意request和status之间使用空格连接

    b). 针对中间结果再次使用空格进行拆分，获取request中的URL

    当内容默认使用空格或tab来分隔数据项时，使用awk拆分时，不需要使用-F来执行分隔符。

    如下面命令中的 awk '{print $2}' 没有使用-F指定分隔符。

    c). 排序、去除重复项

使用sort对结果进行默认排序

使用uniq -c去除重复项并给出计数结果

    d). 根据图上结果，发现重复的URL会被自动计数，但是计数的结果顺序是随机的。我们需要再次针对结果进行排序，使用sort 中的 -k指定列，并指明要求是按照数字的倒叙

去除重复项后，希望对结果进行倒叙

-k指明使用哪一列进行排序，-k1：表示使用第一列进行排序

n指明排序列为数字

r代表使用倒叙

所以-k1nr 代表：要进行排序的第一列请作为数字看待，并且结果要进行倒叙

注意：在去重前，最好先使用sort对结果进行排序，然后才能顺利合并。

需求三：要统计URL中文件名出现的次数，结果中要包含Code 和 Referer。但是 URL和 Referer中都包含 / 字符，对于过滤有干扰，尝试去解决。

    思路：
    1). 先拆分获取必要数据
    2). 想办法将URL中文件名之前的部分去除
    3). 然后再排序等

    a). 查看原始文件内容

使用cat命令查看原始文件内容。

    b). 获取必要信息

由于是\t分隔各个数据项，所以符合默认拆分，不需要-F指明分隔符

   c).将URL中文件名之前的部分剔除，但保留referer中的"/"。

这部分重点：使用了sed命令对URL进行过滤，只保留URL中的文件名部分，其余部分不再要。

本sed命令只对第一列数据进行应用过滤操作。

#.*/\(.* \)#\1#解释：

整个内容被#分成两部分

第一部分（两个#号中间的内容）.*/\(.* \)，用来匹配URL中的两部分内容

比如URL为：/koubei/2012/11/19/60/abc.jpg (注意最后有一个空格)

.*/用来匹配："/koubei/2012/11/19/60/"

\(.* \)用来匹配："abc.jpg "

第二部分

\1，用来匹配第一部分中()中的内容，即 "文件名.扩展名 " 

整个命令的含义是：

将URL替换成文件名

即将 "/koubei/2012/11/19/60/abc.jpg "替换成"abc.jpg "  

    d). 执行排序

注意这里要对第一列先进行排序，否则会影响去重。

   e).去重

   f).倒叙出结果