引言
我前几天写过的性能工具之linux三剑客awk、grep、sed详解，咱们曾经具体介绍 linux 三剑客的根本应用，接下来咱们看看具体在性能测试畛域的使用，本文次要介绍的是在 Tomcat 和 Nginx access日志的统计分析。
Tomcat统计申请响应工夫
server.xml 应用配置形式，%D-申请工夫，%F响应工夫
<Valve
className
=
"org.apache.catalina.valves.AccessLogValve"
directory
=
"logs"
prefix
=
"localhost_access_log."
suffix
=
".txt"
pattern
=
"%h %l %u [%{yyyy-MM-dd HH:mm:ss}t] %{X-Real_IP}i "%r" %s %b %D %F"
/>
字段阐明如下：
%h - 发动申请的客户端 IP 地址。这里记录的 IP 地址并不一定是实在用户客户机的 IP 地址，它可能是私网客户端的公网映射地址或代理服务器地址。
%l - 客户机的 RFC 1413 标识 ( 参考 ) ，只有实现了 RFC 1413 标准的客户端，能力提供此信息。
%u - 近程客户端用户名称，用于记录浏览者进行身份验证时提供的名字，如登录百度的用户名 zuozewei，如果没有登录就是空白。
%t - 收到申请的工夫（拜访的工夫与时区，比方 18/Jul/2018:17:00:01+0800，工夫信息最初的 "+0800" 示意服务器所处时区位于 UTC 之后的8小时）
%{X-Real_IP}i - 客户端的实在ip
%r - 来自客户端的申请行（申请的 URI 和 HTTP 协定，这是整个 PV 日志记录中最有用的信息，记录服务器收到一个什么样的申请）
%>s - 服务器返回客户端的状态码，比方胜利是 200。
%b - 发送给客户端的文件主体内容的大小，不包含响应头的大小（能够将日志每条记录中的这个值累加起来以粗略预计服务器吞吐量）
%D - 解决申请的工夫，以毫秒为单位
%F - 客户端浏览器信息提交响应的工夫，以毫秒为单位
日志样例：
47.203
.
89.212
-
-
[
19
/
Apr
/
2017
:
03
:
06
:
53
+
0000
]
"GET / HTTP/1.1"
200
10599
50
49
Nginx统计申请和后盾服务响应工夫
应用默认 combined 的经典格局上扩大 response_time&upstream_response_time
nginx.conf 应用配置形式：
log_format main
'$remote_addr - $remote_user [$time_local] "$request" $status $body_bytes_sent $request_time $upstream_response_time "$http_referer" "$http_user_agent" "$http_x_forwarded_for"'
;
字段阐明如下：
$remote_addr - 发动申请的客户端 IP 地址。这里记录的 IP 地址并不一定是实在用户客户机的 IP 地址，它可能是私网客户端的公网映射地址或代理服务器地址。
$remote_user - 近程客户端用户名称，用于记录浏览者进行身份验证时提供的名字，如登录百度的用户名 zuozewei，如果没有登录就是空白。
[$time_local] - 收到申请的工夫（拜访的工夫与时区，比方 18/Jul/2018:17:00:01+0800，工夫信息最初的 "+0800" 示意服务器所处时区位于 UTC 之后的8小时）
“$request” - 来自客户端的申请行（申请的 URI 和 HTTP 协定，这是整个 PV 日志记录中最有用的信息，记录服务器收到一个什么样的申请）
$status - 服务器返回客户端的状态码，比方胜利是 200。
$body_bytes_sent - 发送给客户端的文件主体内容的大小，不包含响应头的大小（能够将日志每条记录中的这个值累加起来以粗略预计服务器吞吐量）
$request_time - 整个申请的总工夫，以秒为单位（包含接管客户端申请数据的工夫、后端程序响应的工夫、发送响应数据给客户端的工夫(不蕴含写日志的工夫)）
$upstream_response_time - 申请过程中，upstream 的响应工夫,以秒为单位（向后端建设连贯开始到承受完数据而后敞开连贯为止的工夫）
“$http_referer” - 记录从哪个页面链接拜访过去的（申请头 Referer 的内容 ）
“$http_user_agent” - 客户端浏览器信息（申请头User-Agent的内容 ）
“$ http_x_forwarded_for” - 客户端的实在ip，通常web服务器放在反向代理的前面，这样就不能获取到客户的IP地址了，通过 $remote_add拿到的IP地址是反向代理服务器的iP地址。反向代理服务器在转发申请的 http 头信息中，能够减少 x_forwarded_for** 信息，用以记录原有客户端的IP地址和原来客户端的申请的服务器地址。
日志示例：
218.56
.
42.148
-
-
[
19
/
Apr
/
2017
:
01
:
58
:
04
+
0000
]
"GET / HTTP/1.1"
200
0
0.023
-
"-"
"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.133 Safari/537.36"
"-"
AWK 使用
为了能了解 AWK 程序，咱们上面简略概述其基本知识，具体内容参照上文。
AWK 程序能够由一行或多行文本形成，其中外围局部是蕴含一个模式和动作的组合。
pattern
{
action
}
模式( pattern ) 用于匹配输出中的每行文本。对于匹配上的每行文本，awk 都执行对应的 动作( action )。模式和动作之间应用花括号隔开。awk 程序扫描每一行文本，并应用 记录分隔符（个别是换行符）将读到的每一行作为 记录，应用 域分隔符( 个别是空格符或制表符 ) 将一行文本宰割为多个 域， 每个域别离能够应用 $1, $2, … $n 示意。$1 示意第一个域，$2 示意第二个域，$n 示意第 n 个域。 $0 示意整个记录。模式或动作都能够不指定，缺省模式的状况下，将匹配所有行。缺省动作的状况下，将执行动作 {print}，即打印整个记录。
此处应用Nginx access.log 举例，Tomcat 同学们本人触类旁通。
应用 awk 合成出Nginx access日志中的信息
218.56
.
42.148
-
-
[
19
/
Apr
/
2017
:
01
:
58
:
04
+
0000
]
"GET / HTTP/1.1"
200
0
0.023
-
"-"
"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.133 Safari/537.36"
"-"
$0 就是整个记录行
$1 就是拜访 IP ”218.56.42.148”
$4 就是申请工夫的前半部分 “[19/Apr/2017:01:58:04”
$5 就是申请工夫的后半局部 “+0000]”
以此类推……
当咱们应用默认的域宰割符时，咱们能够从日志中解析出上面不同类型的信息：
awk
'{print $1}'
access
.
log
IP 地址 ($remote_addr)
awk
'{print $3}'
access
.
log
用户名称 $remote_user)
awk
'{print $4,$5}'
access
.
log
日期和工夫 ([$time_local])
awk
'{print $7}'
access _log
URI ($request)
awk
'{print $9}'
access _log
状态码 ($status)
awk
'{print $10}'
access _log
响应大小 ($body_bytes_sent)
awk
'{print $11}'
access _log
申请工夫 ($request_time)
awk
'{print $12}'
access _log
upstream响应工夫 ($upstream_response_time)
咱们不难发现，仅应用默认的域分隔符，不不便解析出申请行、援用页和浏览器类型等其余信息，因为这些信息之中蕴含不确定个数的空格。 因而，咱们须要把域分隔符批改为 “ ，就可能轻松读出这些信息。
awk
-
F\"
'{print $2}'
access
.
log
申请行 ($request)
awk
-
F\"
'{print $4}'
access
.
log
援用页 ($http_referer)
awk
-
F\"
'{print $6}'
access
.
log
浏览器 ($http_user_agent)
awk
-
F\"
'{print $8}'
access
.
log
实在ip ($http_x_forwarded_for)
留神：这里为了防止 Linux Shell 误会 “ 为字符串开始，咱们应用了反斜杠，本义了 “ 。 当初，咱们曾经把握了 awk 的基本知识，以及它是怎么解析日志的。
应用场景举例
此处应用Nginx access.log 举例，Tomcat 同学们本人触类旁通
浏览器类型统计
如果咱们想晓得那些类型的浏览器拜访过网站，并按呈现的次数倒序排列，我能够应用上面的命令：
awk
-
F\"
'{print $6}'
access
.
log
|
sort
|
uniq
-
c
|
sort
-
fr
此命令行首先解析出浏览器域，而后应用管道将输入作为第一个 sort 命令的输出。第一个 sort 命令次要是为了不便 uniq 命令统计出不同浏览器呈现的次数。最初一个 sort 命令将把之前的统计后果倒序排列并输入。
发现零碎存在的问题
咱们能够应用上面的命令行，统计服务器返回的状态码，发现零碎可能存在的问题。
awk
'{print $9}'
access
.
log
|
sort
|
uniq
-
c
|
sort
失常状况下，状态码 200 或 30x 应该是呈现次数最多的。40x 个别示意客户端拜访问题。50x 个别示意服务器端问题。 上面是一些常见的状态码：
200 - 申请已胜利，申请所心愿的响应头或数据体将随此响应返回。
206 - 服务器曾经胜利解决了局部 GET 申请
301 - 被申请的资源已永恒挪动到新地位
302 - 申请的资源当初长期从不同的 URI 响应申请
400 - 谬误的申请。以后申请无奈被服务器了解
401 - 申请未受权，以后申请须要用户验证。
403 - 禁止拜访。服务器曾经了解申请，然而拒绝执行它。
404 - 文件不存在，资源在服务器上未被发现。
500 - 服务器遇到了一个未曾意料的情况，导致了它无奈实现对申请的解决。
503 - 因为长期的服务器保护或者过载，服务器以后无奈解决申请。
HTTP 协定状态码定义能够参阅： https://www.w3.org/Protocols/rfc2616/rfc2616.html
状态码相干统计
查找并显示所有状态码为 404 的申请
awk
'($9 ~ /404/)'
access
.
log
统计所有状态码为 404 的申请
awk
'($9 ~ /404/)'
access
.
log
|
awk
'{print $9,$7}'
|
sort
当初咱们假如某个申请 ( 例如 : URI: /path/to/notfound ) 产生了大量的 404 谬误，咱们能够通过上面的命令找到这个申请是来自于哪一个援用页，和来自于什么浏览器。
awk
-
F\"
'($2 ~ "^GET /path/to/notfound "){print $4,$6}'
access
.
log
追究谁在盗链网站图片
有时候会发现其余网站出于某种原因，在他们的网站上应用保留在本人网站上的图片。如果您想晓得到底是谁未经受权应用本人网站上的图片，咱们能够应用上面的命令：
awk
-
F\"
'($2 ~ /\.(jpg|gif|png)/ && $4 !~ /^http://www.example.com/)\
{print $4}'
access
.
log \
|
sort
|
uniq
-
c
|
sort
留神：应用前，将 www.example.com 批改为本人网站的域名。
应用 ” 合成每一行；
申请行中必须包含 “.jpg” 、”.gif” 或 ”.png”；
援用页不是以您的网站域名字符串开始（ 在此例中，即 www.example.com ）；
显示出所有援用页，并统计呈现的次数。
IP相干统计
统计共有多少个不同的 IP 拜访：
awk
'{print $1}'
access
.
log
|
sort
|
uniq
|
wc
–
l
统计每一个 IP 拜访了多少个页面：
awk
'{++S[$1]} END {for (a in S) print a,S[a]}'
log_file
将每个 IP 拜访的页面数进行从小到大排序：
awk
'{++S[$1]} END {for (a in S) print S[a],a}'
log_file
|
sort
-
n
统计 2018 年 8 月 31 日 14 时内有多少 IP 拜访 :
awk
'{print $4,$1}'
access
.
log
|
grep
31
/
Aug
/
2018
:
14
|
awk
'{print $2}'
|
sort
|
uniq
|
wc
-
l
统计拜访最多的前10个 IP 地址
awk
'{print $1}'
access
.
log
|
sort
|
uniq
-
c
|
sort
-
nr
|
head
-
10
列出某1个 IP拜访了哪些页面：
grep
^
202.106
.
19.100
access
.
log
|
awk
'{print $1,$7}'
统计某个 IP 的具体拜访状况,按拜访频率排序
grep
'202.106.19.100'
access
.
log
|
awk
'{print $7}'
|
sort
|
uniq
-
c
|
sort
-
rn
|
head
-
n
100
响应页面大小相干统计
列出传输大小最大的几个文件
cat access
.
log
|
awk
'{print $10 " " $1 " " $4 " " $7}'
|
sort
-
nr
|
head
-
100
列出输入大于 204800 byte ( 200kb) 的页面以及对应页面产生次数
cat access
.
log
|
awk
'($10 > 200000){print $7}'
|
sort
-
n
|
uniq
-
c
|
sort
-
nr
|
head
-
100
列出拜访最频的页面(TOP100)
awk
'{print $7}'
access
.
log
|
sort
|
uniq
-
c
|
sort
-
rn
|
head
-
n
100
列出拜访最频的页面([排除php页面】(TOP100)
grep
-
v
".php"
access
.
log
|
awk
'{print $7}'
|
sort
|
uniq
-
c
|
sort
-
rn
|
head
-
n
100
列出页面拜访次数超过100次的页面
cat access
.
log
|
cut
-
d
' '
-
f
7
|
sort
|
uniq
-
c
|
awk
'{if ($1 > 100) print $0}'
|
less
列出最近1000条记录，访问量最高的页面
tail
-
1000
access
.
log
|
awk
'{print $7}'
|
sort
|
uniq
-
c
|
sort
-
nr
|
less
PV 相干统计
统计每分钟的申请数,top100的工夫点(准确到分钟)
awk
'{print $4}'
access
.
log
|
cut
-
c
14
-
18
|
sort
|
uniq
-
c
|
sort
-
nr
|
head
-
n
100
统计每小时的申请数,top100的工夫点(准确到小时)
awk
'{print $4}'
access
.
log
|
cut
-
c
14
-
15
|
sort
|
uniq
-
c
|
sort
-
nr
|
head
-
n
100
统计每秒的申请数,top100的工夫点(准确到秒)
awk
'{print $4}'
access
.
log
|
cut
-
c
14
-
21
|
sort
|
uniq
-
c
|
sort
-
nr
|
head
-
n
100
统计当天的 pv
grep
"10/May/2018"
access
.
log
|
wc
-
l
阐明：
awk ‘{ print $4}’：取数据的第4域（第4列）
sort：进行排序。
uniq -c：打印每一反复行呈现的次数。（并去掉反复行）
sort -nr：依照反复行呈现的秩序倒序排列。
head -n 100：取排在前100位的IP
页面响应工夫相干统计
能够应用上面的命令统计出所有响应工夫超过 3 秒的日志记录。
awk
'($NF > 1){print $11}'
access
.
log
留神：NF 是以后记录中域的个数。$NF 即最初一个域。
列出 php 页面申请工夫超过3秒的页面，并统计其呈现的次数，显示前100条
cat access
.
log
|
awk
'($NF > 1 && $7~/.php/){print $7}'
|
sort
-
n
|
uniq
-
c
|
sort
-
nr
|
head
-
100
列出相应工夫超过 5 秒的申请，显示前20条
awk
'($NF > 1){print $11}'
access
.
log
|
awk
-
F\"
'{print $2}'
|
sort
-
n
|
uniq
-
c
|
sort
-
nr
|
head
-
20
蜘蛛抓取统计
统计蜘蛛抓取次数
grep
'Baiduspider'
access
.
log
|
wc
-
l
统计蜘蛛抓取404的次数
grep
'Baiduspider'
access
.
log
|
grep
'404'
|
wc
-
l
小结
通过本文的介绍，我置信同学们肯定会发现 linux三剑客弱小之处。在命令行中，它还可能承受和执行内部的 AWK 程序文件，反对对文本信息进行非常复杂的解决，能够说“只有想不到的，没有它做不到的”。