使用脚本命令监控网站日志

来源：互联网发布：黑马java基础班网盘编辑：程序博客网时间：2024/05/16 19:52

下面的内容是使用linux/unix作为网站的朋友一定要懂的方法。虽然有N多中工具用于分析例如apache、nginx的访问日志。但是，任何一种都没有linux内置命令来的高效、灵活。例如：当你的图形化系统不起作用的时候（黑客攻击？！），手里掌握一些监控、分析日志的脚本显的尤为重要！下面的代码可以监控最近的访客日志，相当有用。
一、实时过滤日志
使用 tail -f 命令可以查看日志文件最近新增的部分。不过，实际应用中会存在一些麻烦，你会发现输出了一大堆内容占满了整个屏幕。有必要格式化一下这些内容^_^。脚本如下：

#需要将脚本保存起来， $COLUMNS 变量才会有效
#注意： -n10 表示显示最后10行内容，可以自己修改
deny="`tput bold; tput setaf 1`" #亮红
high="`tput bold; tput setaf 3`" #亮黄
norm="`tput sgr0`"
tail "$@" -s.1 -f access_log |
grep -Ev --line-buffered -f agents_to_ignore -f files_to_ignore |
sed -u "s/$.*$ - \[[^]]*\]$.*$/\1\2/" | #过滤掉一些字段
#分析google蜘蛛访问
sed -u \
's#$.*$ "http://www\.$google\.[^/]*$.*[?&_]q=$[^&"]*$[^"]*"#\1 "\2 (\3)" #' |
#过滤不需要的内容
sed -u 's/ HTTP\/1.[01]//;
s/.NET CLR [0-9.]*//g;
s/Gecko\/[0-9]*//;
s/rv:[0-9.]*//;
s/Mozilla\/[0-9.]* //' |
sed -u "s/^/ /; s/^ *$[ 0-9.]\{15,\}$ -/\1/" | #对齐IP地址
sed -u "s/$.\{$COLUMNS\}$.*/\1/" | #保证输出行宽度统一
#高亮显示 referrer行
sed -u "
s/$[^\"]*\"[^\"]*\" 40[34] [0-9]* \"$$[^\"]*$$\".*$/\1$deny\2$norm\3/;t;
s/$[^\"]*\"[^\"]*\" [0-9 -]* \"$$[^\"]*$$\".*$/\1$high\2$norm\3/;t;
"

保存为 tail_access_log 脚本代替tail命令。

二、近期日志高效监控脚本
如果网站流量很大的话，日志文件是相当庞大的。分析这些日志的时候就需要小心处理了，例如：笔者的访问日志已经有700多MB了，一次性读取的化会相当的慢，通常我们使用 tac 命令读取文件最后一部分内容，sed 命令用于结束读取。脚本如下：

#!/bin/sh
# 返回最近N天内 "NCSA" 格式的 HTTP 日志
days=$1
log="$2"
export LANG=C #加速
export TZ=UTC0
last_log_date=`tail -1 "$log" |
sed 's#.*\[$[^:]*$:$[^ ]*$ .*#\1 \2#g' |
tr '/' ' '`
yesterday=`date --date="$last_log_date $days day ago" +"%d/%b/%Y:%H:%M"`
#间隔周期10分钟
yesterday=`echo $yesterday | cut -b-16`
yesterday="$yesterday[0-9]"
tac "$log" | sed "\#$yesterday#Q"

同样将脚本保存为get_last_days [天数] [文件名]，即可使用。
讲了这个这么多下面来段实例。一般，我们可能会感兴趣会有哪些用户订阅了我们的rss种子。已经采用何种方式订阅的，skyfeed、google等等。

#!/bin/sh
export LANG=C #加速
feed="/feed/rss2.xml"
#查看一周内订阅rss的用户的访问情况
./get_last_days 7 access_log |
#过滤rss feed url
grep -F "GET $feed" |
#剔除通过refer访问rss的站点
grep -vE "pixelbeat.org.*(rv:|MSIE|AppleWebKit/|Konqueror|Opera) .* " |
#获取 ip地址 & 浏览器情况
sed 's/$[0-9]*\.[0-9]*$\.[0-9]*\.[0-9]* .*"$[^"]*$"$/\1\t\2/' |
#根据浏览器、用户网段进行排序
sort -k2 -k1,1 |
#合并
uniq -c |
#忽略单个请求
grep -vE " 1 .*(rv:|MSIE|AppleWebKit/|Konqueror|Opera).*" |
#忽略机器人访问
grep -vE -f agents_to_ignore |
#合并订阅用户
sed '
s/$[^\t]$\t.*Firefox.*/\1\tFirefox/;
s/$[^\t]$\t.*MSIE 7.0.*/\1\tIE7/;
s/$[^\t]$\t.*Opera.*/\1\tOpera/;
s/$[^\t]$\t.*Akregator.*/\1\tAkregator/;
s/$[^\t]$\t.*Thunderbird.*/\1\tThunderbird/;
s/$[^\t]$\t.*Liferea.*/\1\tLiferea/;
s/$[^\t]$\t.*Google Desktop.*/\1\tGoogle Desktop/;
' |
#显示浏览器类型
cut -d"`echo -e '\t'`" -f2 |
#分组
sort |
#计数
uniq -c |
#识别使用google订阅的用户
sed 's/$.*$$feedfetcher.html$$.*$id=$[0-9]*$.*/\1\2.\4\3/' |
#计数
sed 's/ *[0-9]* .*$http[^;]*$.* $[0-9]*$ subscriber.*/ \2 \1/' |
#再次合并处理
uniq -f1 |
#排序
sort -k1,1n |
#对齐
sed "s/^/ /; s/ *$[ 0-9]\{7,\}$ $[^ ].*$/\1 \2/" |
#截取
sed "s/$.\{80\}$.*/\1/" #note $COLUMNS not exported

0 0