使用Python分析nginx日志-CSDN博客

相信各位web后端的小伙伴对Nginx并不陌生，它是是一款面向性能设计的HTTP服务器，具有占有内存少，稳定性高等优势。所以很多个人网站，或者公司都会选择使用nginx作为服务器。在使用nginx的时候，每一个http请求都会产生一条日志，通过python分析日志我们可以清楚的了解网站的pv，uv等一些重要数据。
在服务器上我们通常使用logrotate来分割当天日志进行分析，假设我当天结束分割出的的日志名字为log20101001.gz，我们使用python的gzip库来读取这个压缩文件所以我们可以直接使用gzip库来打开文件

class an_log(object):

"""分析记录"""

    def __init__(self, filename):

        self.filename = filename

        self.picid_value = {}  # 一个用于存储所有pv，uv的字典



    def read_log(self):

        f = gzip.open(self.filename, 'r')

        for line in f:

            all_line = line.split()

一般一条nginx数据是这样的：

- 180.171.241.42 tb.lifehp.com - - [30/Oct/2016:23:58:03 +0800] "GET /index.php?m=newbar&a=operate&type=1&op=0&pa

看起来很杂乱无章，其实在分析pv，uv的时候我们着重需要的数据一共只有几个，一个是ip：- 180.171.241.42，
一个是参数：GET/index.php?m=newbar&a=operate&type=1&op=0&param=A000184&adsid=14&picid=141&time=1477842977818 HTTP/1.1，一个是参数：GET/index.php？m=newbar&a=operate&type=1&op=0&param=A000184&adsid=14&picid=141&time=1477842977818 HTTP/1.1

每一个pv是由这些参数共同决定的，如果这些参数全部一致那就是一个pv，如果在参数一致的情况下ip从没出现过那就是一个uv，所以我们只需要解析这些参数就可以

def read_log(self):

    f = gzip.open(self.filename, 'r')

    for line in f:

        all_line = line.split()

        try:

            a_line = dict(k.split('=') for k in all_line[8].split('&'))

            # 把所有参数解析到一个字典中，key为参数名，value为参数值类似于{type:1,param:A00184}

            ip = all_line[1]  # 获取ip

            media_id = a_line['param']

            op = a_line['op']

        except:

            continue

        try:

            adsid = a_line.get('adsid', 'null')

            picid = a_line.get('picid', 'null')

            area_name = a_line.get('area', 'null')

            os = a_line.get('os', '0')

        except:

            continue

使用try，except语句是因为很多日志并不是我们想要的类似于GET /small/v10/css/tlbs.css HTTP/1.1，当碰到这种类型的日志的时候，生成字典后通过try如果提取不到我们需要的参数就说明这条日志不需要，通过continue直接分下一条日志
pic = picid + media_id + adsid + op + area_name + os # 把参数组合生成唯一键名

如果键名存在就直接对pv，uv数值操作

if pic in  self.picid_value.keys():

    self.analysis_pv(pic)

    self.analysis_uv(pic, ip)

pv += 1 uv通过判断ip是否存在来判断是否加一

def analysis_pv(self, pic,):

    self.picid_value[pic]['pv'] += 1

    return self.picid_value

def analysis_uv(self, pic, ip):

    if ip not in self.picid_value[pic]['ip']:

        self.picid_value[pic]['uv'] += 1

        self.picid_value[pic]['ip'].add(ip)

    return self.picid_value

这里ip要使用set集合，如果使用列表每次判断ip是否存在都要进行一次遍历时间复杂度为O(n)，而集合判断是否存在时间复杂度为O（1）大大提高性能

如果键名不存在则进行初始化键

if pic in  self.picid_value.keys():

    self.analysis_pv(pic)

    self.analysis_uv(pic, ip)

else:

    self.picid_value[pic] = {}

    self.picid_value[pic]['picid'] = picid

    self.picid_value[pic]['adsid'] = adsid

    self.picid_value[pic]['media_id'] = media_id

    self.picid_value[pic]['op'] = op_name_dict[op]

    self.picid_value[pic]['os'] = os_name_dict[os]

    self.picid_value[pic]['pv'] = 0

    self.picid_value[pic]['uv'] = 0

    self.picid_value[pic]['ip'] =set()

    self.picid_value[pic]['area']=area_name_dict[area_name]

    self.analysis_pv(pic)

    self.analysis_uv(pic, ip)

最后返回一个字典

return self.picid_value

然后把分析的数据写入excel，这里我使用的是xlwt库

def write_excel(self, excel_name):

    workbook = xlwt.Workbook()

    worksheet = workbook.add_sheet('toolbar')

    cl_name = [u'媒体', 'op', 'os', 'adsid', 'picid', u'位置',  'pv', 'uv']

    c = 0

    for data in cl_name:

        worksheet.write(0, c, data)

        c += 1

    row_list = ['media_id', 'op', 'os', 'adsid', 'picid', 'area',  'pv', 'uv']

    r = 1



    for pic_name in self.picid_value:

        cl = 0

        for data_name in row_list:

            worksheet.write(r, cl, self.picid_value[pic_name][data_name])

            cl += 1

        r += 1

    workbook.save(excel_name)c

使用argparse添加一些参数说明，使用的时候直接 -h就能看到各种参数名字与作用

if __name__ == '__main__':

    parser = argparse.ArgumentParser('log statistic')

    parser.add_argument('-f', '--file', default=None, help='filename')

    args = parser.parse_args()

    log_value = an_log(args.file)

    if log_value:

        log_value.read_log()

        file_name1 = 'example2.xls'

        log_value.write_excel(file_name1)

也可以使用各种python数据分析库来进行分析，添加分析参数只需要在in_value方法中添加各种相应的参数字段就可以。水平有限，代码还有很多需要改进的地方，如果各位有什么好的想法和建议也欢迎反馈。点击阅读原文可访问作者博客。

原文发布时间为：2016-11-19

本文作者：熊球

本文来自云栖社区合作伙伴“Python中文社区”，了解相关信息可以关注“Python中文社区”微信公众号