Nginx是一个高性能的HTTP和反向代理服务器，也是一个IMAP/POP3/SMTP代理服务器。无论是在大流量的网站还是小型的个人博客中，Nginx都得到了广泛应用。在实际生产环境中，对Nginx日志的分析有助于我们了解网站的访问情况，发现潜在问题并进行优化。本文将通过编写Shell脚本，实现对Nginx日志的全面统计分析。

Nginx日志格式

首先，我们需要确保Nginx日志格式与以下格式类似：

log_format main '$remote_addr - $remote_user [$time_local] "$request" '
                '$status $body_bytes_sent "$http_referer" '
                '"$http_user_agent" "$http_x_forwarded_for"';

假设我们的日志文件名为access.log。

Shell脚本实现

接下来，我们编写一个Shell脚本，对Nginx日志进行统计分析。这个脚本包括以下功能：

  1. 统计各种状态码的数量
  2. 统计访问最多的Referer
  3. 统计访问最高的URI
  4. 统计访问最多的IP和User-Agent
  5. 统计每分钟的请求数、流量、请求时间、状态码等

脚本代码实现

  1. 统计各种状态码的数量
awk '
{
  Arry[$12] += 1;  
  total++;  
}
END {
  for (s in Arry) {
    printf "%d\t%.4f\t%s\n", Arry[s], Arry[s] / total, s
  }
}
' $LOG_FILE | sort -nr -k 1,1
  • Arry[$9] += 1;:
    • $12 是日志文件的第十二个字段，通常表示 HTTP 状态码。
    • Arry 是一个关联数组，以 HTTP 状态码为键，将每个状态码出现的次数累加到数组 Arry 中。
    • Arry[$9] += 1; 表示状态码 $9 出现的次数加 1。
  • total++;:
    • 记录总的日志行数。
  • for (s in Arry):
    • 遍历数组 Arry 中的每个状态码 s。
  • printf "%d\t%.4f\t%s\n", Arry[s], Arry[s] / total, s:
    • 打印每个状态码的出现次数、占比和状态码本身。
    • Arry[s] 是状态码 s 出现的次数。
    • Arry[s] / total 是该状态码出现的比例（占总请求数的百分比）。
    • s 是状态码。
    • 输出格式为：出现次数\t 比例\t 状态码。

运行上述的命令，输出如下结果：
统计各种状态码的数量

  1. 统计访问最多的Referer
    awk -F\" '
    {
    Arry[$4] += 1;  # 将每个引用的字段（$4）出现的次数累加到数组Arry中
    total++;        # 记录总的日志行数
    }
    END {
    for (s in Arry) {  # 遍历数组Arry中的每个引用字段
        printf "%d\t%.4f\t%s\n", Arry[s], Arry[s] / total, s  # 打印每个引用字段的出现次数、占比和引用字段本身
    }
    }
    ' $LOG_FILE | sort -nr -k 1,1  # 按出现次数降序排序

执行上述命令后，输出如下图的结果：

  1. 统计访问最高的URI
    awk  '
    {
    Arry[$9] += 1;  # 将每个引用的字段（$18）出现的次数累加到数组Arry中
    total++;        # 记录总的日志行数
    }
    END {
    for (s in Arry) {  # 遍历数组Arry中的每个引用字段
        printf "%d\t%.4f\t%s\n", Arry[s], Arry[s] / total, s  # 打印每个引用字段的出现次数、占比和引用字段本身
    }
    }
    ' $LOG_FILE | sort -nr -k 1  # 按出现次数降序排序

执行上述命令后，输出如下图的结果：
统计访问最高的URI

  1. 统计访问最多的IP和User-Agent
  • 统计最多IP访问次数
    awk '
    {
    Arry[$1] += 1;  # 将每个IP地址出现的次数累加到数组Arry中
    total++;        # 记录总的日志行数
    }
    END {
    for (s in Arry) {  # 遍历数组Arry中的每个IP地址
        printf "%d\t%.4f\t%s\n", Arry[s], Arry[s] / total, s  # 打印每个IP地址的出现次数、占比和IP地址本身
    }
    }
    ' $LOG_FILE | sort -nr -k 1,1

执行上述命令后，输出如下图的结果：
统计最多IP访问次数

  • 统计最多访问的User-Agent
awk  '
    {
    Arry[$18] += 1;  # 将每个引用的字段（$18）出现的次数累加到数组Arry中
    total++;        # 记录总的日志行数
    }
    END {
    for (s in Arry) {  # 遍历数组Arry中的每个引用字段
        printf "%d\t%.4f\t%s\n", Arry[s], Arry[s] / total, s  # 打印每个引用字段的出现次数、占比和引用字段本身
    }
    }
    ' $LOG_FILE | sort -nr -k 1  # 按出现次数降序排序

执行上述命令后，输出如下图的结果：
统计访问统计访问

  1. 统计每分钟的请求数、流量、请求时间、状态码等
awk -F '|' '
  BEGIN {
    printf "时间\t数量\t流量[MB]\t请求时间\t20x\t30x\t40x\t50x\t60x\n"
  }
  {
    # 提取时间的分钟部分
    minute = substr($2, 12, 5)

    # 累计流量、请求数和请求时间
    tms[minute] += $13
    cnt[minute] += 1
    reqt[minute] += $15

    # 统计状态码
    status_code = $9
    if (status_code ~ /^2/) { sc20x[minute]++ }
    else if (status_code ~ /^3/) { sc30x[minute]++ }
    else if (status_code ~ /^4/) { sc40x[minute]++ }
    else if (status_code ~ /^5/) { sc50x[minute]++ }
    else { sc60x[minute]++ }
  }
  END {
    for (t in tms) {
      printf "%s\t%d\t%.4f\t%.4f\t%d\t%d\t%d\t%d\t%d\n",
             t,
             cnt[t],
             tms[t] / 1024 / 1024,
             (cnt[t] > 0 ? reqt[t] / cnt[t] : 0),
             sc20x[t],
             sc30x[t],
             sc40x[t],
             sc50x[t],
             sc60x[t]
    }
  }
  ' "$LOG_FILE"

执行上述命令后，输出如下结果：

总结

通过上述Shell脚本，我们可以快速、全面地分析Nginx日志，了解网站的访问情况和性能表现。这不仅有助于我们发现潜在问题，还能为后续的优化工作提供有力的数据支持。在实际应用中，你可以根据自己的需求，进一步扩展和定制这个脚本。