每天分析日志的哥們實在傷不起，經常需要給出PV,UV，獨立IP等一些統(tǒng)計值，使用C/C++，java都可以寫，過程是這樣的，先讀取文件，逐行掃描，把能標記的值放入數據結構中，排重得出最終結果，其實Linux本身有很強大的文本處理功能，完全可以用shell + 一些文本小工具得出結果。
Nngix輸出的access log文件如下：
日志文件代碼
復制代碼 代碼如下:
192.168.1.166 - - 119272312 [05/Nov/2011:16:06:59 +0800] "GET /index.html HTTP/1.1" 200 370 "http://192.168.1.201/" "Chrome/15.0.874.106" "-"
192.168.1.166 - - 119272312 [05/Nov/2011:16:06:59 +0800] "GET /poweredby.png HTTP/1.1" 200 3034 "http://192.168.1.201/" "Chrome/15.0.874.106" "-"
192.168.1.177 - - 1007071650 [05/Nov/2011:16:06:59 +0800] "GET /favicon.ico HTTP/1.1" 404 3650 "-" "Chrome/15.0.874.106" "-"
192.168.1.178 - - 58565468 [05/Nov/2011:16:17:40 +0800] "GET / HTTP/1.1" 200 3700 "-" "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)" "-"
192.168.1.166 - - 119272312 [05/Nov/2011:16:17:40 +0800] "GET /nginx-logo.png HTTP/1.1" 200 370 "http://192.168.1.201/" "Chrome/15.0.874.106" "-"
PV很簡單，大致就是統(tǒng)計某個URL的訪問次數，例如統(tǒng)計/index.html的訪問次數
復制代碼 代碼如下:
grep "/index.html" /var/log/nginx/access.log –c
UV呢，我們根據用戶標識(第四列) ，首先需要字符串截取，使用cut命令,以空格符號分割，-d “ ”, 再取第四列-f 4，然后這里需要排重，需要使用uniq工具，uniq速度很快，但是基于就近排重，前一個后一個一樣會排重，之間間隔了不一樣的，就不行了，這就必須使用sort工具來對標識符進行排序，排序后再使用uniq工具就可以達到目的，之間我們用管道符號鏈接, 最后再用 wc –l 輸出統(tǒng)計數
比如我們統(tǒng)計訪問了/index.html這也頁面的uv:
復制代碼 代碼如下:
grep "/index.html" /var/log/nginx/access.log | cut –d “ ” –f 4| sort | uniq | wc –l
獨立IP：
假設我們要統(tǒng)計整站的獨立IP，那么我們不需要使用 grep來匹配具體頁面，只需要使用cat輸出即可：
復制代碼 代碼如下:
cat /var/log/nginx/access.log | cut –d “ ” –f 1 | sort| uniq | wc -l
都木有使用強大的awk,就完成了基本的統(tǒng)計需求：）
