awk中split函数统计每小时短信发送量

官方解释： 

The awk function split(s,a,sep) splits a string s into an awk array a using the delimiter sep.
awk的功能拆分（s，a，sep）分割字符串s转换为使用的分隔符sep的一个a的awk数组

举例说明 

[root@cloudmas home]# cat rz.log
14:36:10

[root@cloudmas home]#cat rz.log | awk '{split($0,a,":" ); print a[1]}'     # 输出 14
[root@cloudmas home]#cat rz.log | awk '{split($0,a,":" ); print a[3]}'    # 输出10
[root@cloudmas home]#cat rz.log | awk '{split($0,a,":" ); print a[1], a[2], a[3]}'    #输出 14:36:10

实现需求：现需统计客户当天每小时短信发送量。

具体情况如下：从短信发送服务器中统计出2023年12月08日当天每小时短信发送量，当天日志存放/data/log/sender01.log，格式如下

[root@cloudmas home]# cat  /data/log/sender01.log|more -10

2023-12-08 14:36:04,281 INFO [com.wcjy.core.cmpp.CmppWork:473] cid[11] send Submit: sequence_id = 3,dest_terminal_id[0] = 1441539672078

2023-12-08 14:36:04,288 INFO [com.wcjy.core.cmpp.CmppWork:473] cid[11] send Submit: sequence_id = 4,dest_terminal_id[0] = 1441539672080

 使用AWK split函数统计每小时短信发送量

 zgrep "send Submit: sequence_id" /data/apache-send01/log/sender01.log | awk -F "," '{split($1,a," "); split(a[2],b,":"); hour=b[1]; if(hour~/^[0-9]+$/ && hour>=0 && hour<=23) {count[hour]++}} END {for (hour in count) printf("%02d:00-%02d:59\t%d\n",hour,hour,count[hour])}'

输出结果：

[root@cloudmas apache-send01]# zgrep "send Submit: sequence_id" /data/apache-send01/log/sender01.log | awk -F "," '{split($1,a," "); split(a[2],b,":"); hour=b[1]; if(hour~/^[0-9]+$/ && hour>=0 && hour<=23) {count[hour]++}} END {for (hour in count) printf("%02d:00-%02d:59\t%d\n",hour,hour,count[hour])}'
08:00-08:59    361500
02:00-02:59    421800
03:00-03:59    430200
04:00-04:59    428400
05:00-05:59    428400
14:00-14:59    172301
06:00-06:59    430415
15:00-15:59    126000
07:00-07:59    429985
 

以上这是一个使用 awk 结合split的实际应用，根据一个以逗号分隔的日志文件sender01.log 中的时间戳，统计每个小时的访问次数，并将结果以表格形式输出。具体的解释如下：

1. 运行 zgrep "send Submit: sequence_id" /data/apache-send01/log/sender01.log ，将/sender01.log 中的内容作为输入；
2. 通过管道将输入传递给 awk 命令；
3. 在 awk 中，-F "," 指定逗号为分隔符，在每行中根据逗号将其分成多个字段；
4. split($1,a," ") 将第一个字段（时间戳）根据空格分割成两个部分，存储到数组 a 中；
5. split(a[2],b,":") 将 a 数组中第二个元素（时间）根据冒号分割成三个部分，存储到数组 b 中；
6. hour=b[1] 将小时数存储到变量 hour 中；
7. if(hour~/^[0-9]+$/ && hour>=0 && hour<=23) 判断变量 hour 是否为数字且处于 0~23 范围内；注意：符号用于进行正则表达式匹配，/^[0-9]+$/ 表示匹配一个或多个数字，即判断变量 hour 是否为纯数字。 && 符号用于连接多个条件，表示多个条件同时满足时才成立。 >= 和 <= 符号分别表示大于等于和小于等于，用于判断变量 hour 是否在 0~23 的范围内；
8. count[hour]++ 统计每个小时的访问次数，使用数组 count 存储；
9. END 块在处理完整个文件后执行，遍历 count 数组中存储的计数值并将其格式化为表格形式输出；
10. 输出的格式为 "%02d:00-%02d:59\t%d"，其中 %02d 表示两位数的十进制数，\t 表示制表符，\n 表示换行符。

注意：printf 函数中，%02d:00-%02d:59\t%d\n 是一个格式化字符串，它需要三个参数来替换占位符（其中包含两个 %02d 占位符和一个 %d 占位符）。

在这里，第一个 %02d 占位符需要被替换为一个表示小时数的整数（即 hour 变量），第二个 %02d 占位符同样需要被替换为一个表示小时数的整数（这也是为什么要传入两个 hour 变量）。最后一个 %d 占位符需要被替换为计算出来的当前小时数的日志数量（即 count[hour] 变量的值）。

因此，在这个 printf 函数中需要传入两个 hour 变量，以便分别替换前面两个 %02d 格式化占位符。