python处理日志_[实战] Python 简单处理 Nginx 日志

有什么有 14 台机器(意味着我们有 14 份日志)

一台可以连到这 14 太机器的机器(有Python 2.6)

要做什么获取 14 台机器上某时间段内的包含某特征的日志，再取出其中的特定内容

怎么做使用 pssh 工具在 14 台机器执行 grep 命令获取包含某特征的日志

将 14 份日志作为标准输入传给 Python 脚本

Python 解析 stdin(标准输入)，将日期转化为 Python 中的日期格式，判断之后将符合条件的特定内容取出并输出到 stdout(标准输出)

开始

一. 使用 pssh 工具在 14 台机器执行 grep 命令获取包含某特征的日志

# 安装 pssh 工具

pip install pssh

# 使用 pssh 工具

pssh -l root -h RS_bj_14.txt -o result "grep some_tag /data/logs/api.log"-l 的意思是使用哪个用户执行

-h 是指定主机列表文件(换行隔开)

-o 是指定执行结果保存的文件夹

最后是需要执行的命令

结果：红色执行失败的的那两台机器未包含符合我们筛选条件的日志

二. 将 14 份日志作为标准输入传给 Python 脚本

14 份日志作为标准输入传给 Python 脚本：

cat result/* | ./ab-result-format.py 15 15 00 10 > result_we_want.log

Python 脚本

#!/usr/bin/python

import sys

import time

format = '%Y-%m-%dT%H:%M:%S+08:00'

h_start = int(sys.argv[1])

h_end = int(sys.argv[2])

m_start = int(sys.argv[3])

m_end = int(sys.argv[4])

stdin = sys.stdin.read().strip()

line_list = stdin.split('\n')

for item in line_list:

infos = item.split()

time_object = time.strptime(infos[0], format)

if h_start <= time_object.tm_hour <= h_end \

and m_start <= time_object.tm_min <= m_end:

print infos[8], infos[3], infos[4]

先交代一下我们分析的日志格式：

Nginx 日志格式(log_format)为了方便查看，日志格式和日志中的空格都用换行代替

$time_iso8601

$remote_addr

$host

$request_time

$upstream_response_time

$request

$status

$upstream_addr

$session_id;

↓↓↓(实际的一条日志)

2017-12-19T00:03:57+08:00

2003:da8:2004:1000:***:ffd2:f0:9b1c

[2003:da8:2004:1000:****:ffaa:00f0:9b1c]

0.454

0.448

POST

/?Action=SubmitSyncTaskWithData

HTTP/1.1

200

[2003:da8:2004:1000:****:dd8b:00b7:38ae]:8080

f228d3941798f0d92c877a92a265f679

Python 脚本做了这么几件事：接受 4 个参数，分别是起始的小时和分钟，备用

读取标准输入 sys.stdin.read()，去掉头尾无用的字符 strip()，循环处理每行日志

拆分每行日志 split()

将时间字符串转为时间对象，根据 4 个参数判断小时和分钟(这里处理的比较粗糙，跨小时就没办法处理了，有兴趣的读者可以做的更精细一点)

时间条件符合，打出需要的部分(这里我需要的是 session_id， request_time， upstream_response_time 所以我们print infos[8], infos[3], infos[4]注：Python 的 print 就是标准输出

最后我们使用 >将 Python 脚本的标准输出重定向到 result_we_want.log 文件

广告

彩蛋，结果有了，发给领导？

???，下回我教大家用统计学知识分析结果，关注我(或者专栏)吧