R语言－分析nginx日志

R语言分析nginx日志

nginx日志举例

172.16.1.1 - - [04/Feb/2015:23:40:01 +0800] "POST /api/message/query HTTP/1.1" 200 52 "-" "Apache-HttpClient/4.2    (java 1.5)" "-" "message.test.com" "172.16.3.159" "-" "0.116" "-" "0.116" "-" remote_addr_ac_logon

取出time、url、请求大小，sub(/\[/,"",$4)去掉时间中的中括号，sub(/Feb/,"2",$4) 把Fed替换为2
awk的sub函数用于替换字符串，语句单独使用，如果使用赋值语句，如a=sub(/Feb/,"2",$4) 则a=1，返回替换次数

cat message-access.log | awk 'BEGIN {print "time,url,size"} {sub(/\[/,"",$4);sub(/Feb/,"2",$4);print $4","$7","$10}' > message-time.log

然后使用R语言导入这个文件，用ggplot2画图，在R语言中通过使用ddply函数做统计分组，ddply的使用参见：ddply使用
但R语言做统计分组效率较低，文件大小在1G以上的时候，内存压力很大，这时使用uniq或awk做分组比较合适

sort和uniq统计分组

统计每秒请求数，并使用sed去年最终结果中的每行开头的空格

cat message-time.log | awk -F',' '{print $1}'| sort -rn | uniq -c | sed 's/^[][ ]*//g'> message-time-count.log

但uniq只能统计出现次数，不能统计累加的值

awk统计分组

每分钟请求数据包大小， group by time，sum(size)，取time字段的前16个字符，去掉最后的秒：substr($1,0,16)，在END语句中打印统计结果，把秒都置为0

cat message-time.log | awk -F"," '{a[substr($1,0,16)]+=$3}END{for(i in a) print i"0",a[i]}' > message-time-size.log

画图

加载包

library(ggplot2)library(scales)

R语言读取文件，as.is=TRUE 字符不转factor

message = read.csv('e:/R/message-time-size.log',                   as.is=TRUE,
                   header=FALSE,
                   sep = ",",
                   col.names=c('time','size'))

转为时间类型

message$time = as.POSIXlt(strptime(message$time,"%d/%m/%Y:%H:%M:%S"))

byte转为kb

message$size<- message$size / 1024

画“时间-流量图”，x轴每1小时显示一个值，显示格式只显示小时

ggplot(message,aes(x=time,y=size)) +  geom_line() +  labs(title="时间-流量图",y='size(KB)') +  scale_x_datetime(breaks=date_breaks("1 hour"),labels= date_format("%H"))

保存图片

ggsave(filename='e:/R/时间-流量图-分.jpg',width=15,height=8)

统计url访问次数图

ggplot(message)+  geom_bar(aes(x=url)) +  coord_flip() +  labs(x='url',y='count')

饼状图

ggplot(message)+  geom_bar(aes(x=factor(1),fill=url)) +  coord_polar(theta='y') +  labs(x='',y='')ggsave(filename='e:/R/url-饼状图.jpg')

附上一张流量图

来源：oschina

链接：https://my.oschina.net/u/2306127/blog/545920