python脚本解析nginx的json日志

前一段时间因为公司有日志集中管理平台系统搭建,为了入库统计方便,就把nginx的日志全部格式化成json了。结果近期想自主统计一下访问人数的时候发现awk解析json的日志很蛋疼,就写了一个python脚本。算是第一次真正用python来满足业务需求,记录一下。

写记一下nginx配置的log格式

log_format json_log escape=json '{"realip":"$remote_addr","@timestamp":"$time_iso8601","host":"$http_host","request":"$request","req_body":"$request_body","status":"$status","size":$body_bytes_sent,"ua":"$http_user_agent","req_time":"$request_time","uri":"$uri","referer":"$http_referer","xff":"$http_x_forwarded_for","ups_status":"$upstream_status","ups_addr":"$upstream_addr","ups_time":"$upstream_response_time"}';

在贴几行ngin的日志内容

{"realip":"111.13.193.51","@timestamp":"2019-10-17T12:20:37+08:00","host":"test.test.com","request":"GET /HTTPServer/token/fund?fund=110009371&token=9875581cc341bcf HTTP/1.1","req_body":"","status":"200","size":4,"ua":"PanGu/2.2.1 (Linux; Android 9;MI 6)","req_time":"0.016","uri":"/HTTPServer/token/fund","referer":"","xff":"","ups_status":"200","ups_addr":"10.42.220.117:8090","ups_time":"0.016"}
{"realip":"111.13.193.51","@timestamp":"2019-10-17T12:20:37+08:00","host":"test.test.com","request":"POST /HTTPServer/servlet HTTP/1.1","req_body":"{\"funcid\":\"383001\",\"token\":\"9875581cc341bcf\",\"parms\":{\"SEC_ID\":\"tpyzq\",\"FLAG\":\"true\"}}","status":"200","size":121,"ua":"PanGu/2.2.1 (Linux; Android 9;MI 6)","req_time":"0.101","uri":"/HTTPServer/servlet","referer":"","xff":"","ups_status":"200","ups_addr":"10.42.220.117:8090","ups_time":"0.100"}
{"realip":"111.13.193.51","@timestamp":"2019-10-17T12:20:39+08:00","host":"test.test.com","request":"POST /HTTPServer/servlet HTTP/1.1","req_body":"{\"funcid\":\"300742\",\"token\":\"9875581cc341bcf\",\"parms\":{\"POSITION_STR\":\"\",\"REQUEST_NUM\":\"30\",\"SEC_ID\":\"tpyzq\",\"FLAG\":\"true\",\"STOCK_CODE\":\"\"}}","status":"200","size":2283,"ua":"PanGu/2.2.1 (Linux; Android 9;MI 6)","req_time":"0.137","uri":"/HTTPServer/servlet","referer":"","xff":"","ups_status":"200","ups_addr":"10.42.220.117:8090","ups_time":"0.132"}

第一次用readlines来获取所有的内容,后来发现生产的nginx当天日志大小将近4个G,如果直接跑的话,会占用4G的系统内存,所以计划优化一下。搞成按大小来分次读取的。

本来计划的是可以用ip和ua来区分出人,可以统计UV,后来发现不太对,有可能用户在手机移动网络和WIFI的情况下,IP会变,因为我们做的是证券软件,用户随时随地都要盯盘,所以这种情况的概率应该不低,所以需要前端配合,在UA里面增加用户设备标示,这样的话可能统计结果更加精确

下面代码为还没有优化的一次性加载文章全部内容的代码

# -*- coding: utf-8 -*-
import logging
import json
from datetime import datetime
import time

logging.basicConfig(level=logging.DEBUG,#控制台打印的日志级别
                    filename='count_access.log',
                    filemode='w',##模式,有w和a,w就是写模式,每次都会重新写日志,覆盖之前的日志
                    #a是追加模式,默认如果不写的话,就是追加模式
                    format=
                    '%(asctime)s - %(pathname)s[line:%(lineno)d] - %(levelname)s: %(message)s'
                    #日志格式
                    )

path = "access_json.log_20191014"
# 定义时间时间间隔,单位s
rule_interval = (60*60*24*5)
user_set = set()
android_set = set()
ios_set = set()
curl_set = set()
okhttp_set = set()
secure_set = set()
cfnet_set = set()
bigdate_set = set()
other_set = set()
startTime = time.time()
with open(path, 'r') as load_f:
    all_lines = load_f.readlines()
    print("文件加载完成,耗时s:"+str(time.time()-startTime))
    record_count = 0
    android_count = 0
    ios_count = 0
    curl_count = 0
    okhttp_count = 0
    secure_count = 0
    cfnet_count = 0
    bigdata_count = 0
    other_count = 0
    for line in all_lines[len(all_lines)::-1]:
        try:
            json_line = json.loads(line)
        except UnicodeDecodeError:
            print(line)
            continue
        timestamp = json_line['@timestamp'].encode()
        req_time = time.mktime(datetime.strptime(timestamp.split('+')[0], '%Y-%m-%dT%H:%M:%S').timetuple())
        now_tome = time.time()
        time_interval = now_tome-req_time
        if (time_interval < rule_interval):
            user = "IP:" +str(json_line['realip'].encode())+",UA:"+(json_line['ua'].encode())
            # print("TIME:"+str(timestamp)+","+user)
            user_set.add(user)
            record_count = record_count+1
            if(record_count%10000==0):
                print(str(record_count)+"...")
            if("Android" in user):
                android_set.add(user)
                android_count = android_count + 1
            elif ("iOS" in user or "iPhone" in user):
                ios_set.add(user)
                ios_count = ios_count + 1
            elif("curl" in user):
                curl_set.add(user)
                curl_count = curl_count + 1
            elif("okhttp" in user):
                okhttp_set.add(user)
                okhttp_count = okhttp_count + 1
            elif("Mozilla/5.0 (Windows NT 6.1; WOW64; rv:36.0) Gecko/20100101 Firefox/36.0 Hutool" in user):
                secure_set.add(user)
                secure_count = secure_count + 1
            elif("CFNetwork" in user):
                cfnet_set.add(user)
                cfnet_count = cfnet_count + 1
            elif("Apache-HttpClient/4.3.5" in user):
                bigdate_set.add(user)
                bigdata_count = bigdata_count + 1
            else:
                other_set.add(user)
                other_count = other_count + 1
            continue
        else:
            break
    logging.info("UV:"+str(len(user_set)))
    logging.info("PV:"+str(record_count))
    logging.info("ANDROID_UV:" + str(len(android_set)))
    logging.info("ANDROID_PV:" + str(android_count))
    logging.info("IOS_UV:" + str(len(ios_set)))
    logging.info("IOS_PV:" + str(ios_count))
    logging.info("CURL_UV:" + str(len(curl_set)))
    logging.info("CURL_PV:" + str(curl_count))
    logging.info("OKHTTP_UV:" + str(len(okhttp_set)))
    logging.info("OKHTTP_PV:" + str(okhttp_count))
    logging.info("SECURE_UV:" + str(len(secure_set)))
    logging.info("SECURE_PV:" + str(secure_count))
    logging.info("CFNET_UV:" + str(len(cfnet_set)))
    logging.info("CFNET_PV:" + str(cfnet_count))
    logging.info("BIGDATA_UV:" + str(len(bigdate_set)))
    logging.info("BIGDATA_PV:" + str(bigdata_count))
    logging.info("OTHER_UV:" + str(len(other_set)))
    logging.info("OTHER_PV:" + str(other_count))
    logging.info(other_set)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,817评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,329评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,354评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,498评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,600评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,829评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,979评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,722评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,189评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,519评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,654评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,329评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,940评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,762评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,993评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,382评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,543评论 2 349

推荐阅读更多精彩内容