用perl对CDN节点日志进行统计-白红宇

前段时间公司运维部门要求我对CDN节点的日志进行分析，具体要求如下

1、输入参数为文件名，支持统配。文件为gz压缩，可用zcat解压。统配的多个文件，

必须是一天内的。

2、文件内为一条条的访问日志。格式如下：

2011-01-02 15:55:01 122.245.127.73

"/down.eebbk.net/xzzx/h1sp/\xb8\xdf\xd6\xd0\xc9\xfa\xce\xef\xb1\xd8\xd0\xde2

\xc8\xbe\xc9\xab\xcc\xe5\xb1\xe4\xd2\xec(\xb6\xfe).avi" 206 11568567 3316812

&dhbig=\xbb\xc6\xb8\xd4\xbf\xce\xcc\xc3&dhsmall=\xb8\xdf\xd6\xd0\xb1\xd8\xd0

\xde2&dhtiny=\xc9\xfa\xce\xef&title=\xca\xd3\xc6\xb5\xd1\xa7\xcf\xb0xbb\xfa

H1&mode=6846" "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET

CLR 1.1.4322; .NET CLR 2.0.50727)"

3、该条日志中，2011-01-02 15:55:01 为日志时间点。其基准时间点的计算方法为，

将该时间点转换为标准的秒，再模300，得到基准时间点。如15:55。再比如，

18:23:08，其基准时间点位18:20。

4、该条日志中，表示应用层在3316812 毫秒，输出了11568567 字节。该信息折算到日

志统计上，是按如下处理：

--3316812 毫秒为 3316812/300000+1 = 11+1 = 12个日志计费点。（每个日志计费点

代表一个5分钟的区间）

--11568567字节平均分到12个日志计费点上，为该记录在该计费点上的带宽占用。如

11568567/12/300=3213bps

5、则该日志的流量将给15:00、15:05、15:10、15:15、15:20、15:25、15:30、

15:35、15:40、15:45、15:50、15:55这12个基准时间点，每个增加3123bps的值。

6、要求统计所有指定日志文件综合的各基准时间点的带宽

7、将各基准时间点的带宽值以如下格式输出显示：

time bps

00:00 1903342

00:05 1833133

....

23:55 2312342

Total Traffic

8、由于该程序将是手动运行在Apache服务器上的。所以程序要轻量级，同时不用占用

太多的磁盘。或许比较理想的是直接处理zcat的输出。（服务器上没有php）

我花了5个小时，先写出了一个单线程的程序，后来又改为多线程，感觉用perl写起来比较快，之间学会了用parsewords进行解析日志，parsewords太好用了。

执行命令：perl analy_log.pl CT-ZHZ-1-N004-A-bbg04_2011010414*

测试结果，分析几十M的压缩日志，才2秒多

代码如下：

use Text::ParseWords;

use threads;

use threads::shared;

use Time::Local;

#print @ARGV;

#分析结果集

my %result:shared;

#最大线程数

my $max_thread = 2;

#线程池

my @thread_array;

my $current_thread = 0;

#检查参数

$argv_len = @ARGV;

if($argv_len == 0)

{

print "it need filename\n";

exit(1);

}

#处理参数开始

$cmd="ls '".join("' '",@ARGV)."' |";

#print $cmd."\n";

#处理参数结束

open(PIPE, $cmd);

@filenames = <PIPE>;

close(PIPE);

#print "[";

#print @filenames;

#print "]\n";

#多线程分析多个日志文件

foreach(@filenames){

if( $current_thread >= $max_thread )

{

foreach my $thread( @thread_array )

{

$thread -> join( );

}

$current_thread = 0;

@thread_array=();

}

$thread_array[$current_thread] = threads -> new(\&analy,$_);

$current_thread ++;

}

#等待线程结束

foreach my $thread( @thread_array )

{

$thread -> join();

}

#按时间排序输出

my @key=sort(keys(%result));

print "time\t\t\tbps\n";

foreach (@key){

$k=$_;

print $k."\t\t".$result{$k}."\n";

}

#去除前后空白字符

sub trim

{

my $string = shift;

$string =~ s/^\s+//;

$string =~ s/\s+$//;

return $string;

}

#分析一个日志文件

sub analy

{

my $filename= trim(shift);

$cmd="zcat $filename |";

open(PIPEFILE,$cmd);

@lines=<PIPEFILE>;

close(PIPEFILE);

foreach(@lines)

{

#分解每一行

my @line=quotewords(" ", 1, $_);

#print join(",",@line)."\n";

#print $line[6]."\n";

#根据时间合并

my($h,$m)=split(/:/g,$line[1]);

my($y,$mon,$d)=split(/-/g,$line[0]);

$m=int($m/5)*5;

my $point=int($line[6]/300000+1);

my $bps=int($line[5]/$point/300);

#print $line[0].$line[1]." m=$m,point=$point,bps=$bps\n";

$endtime=timelocal(0,$m,$h,$d,$mon,$y-1900);#秒，分，时，日，月，年（year-1900）

my @time_list=get_time_list($endtime,$point);

#累计字节数

my $i=0;

for($i=0;$i<$point;$i++)

{

$result{$time_list[$i]}+=$bps;

}

}

}

#获得时间列表

sub get_time_list

{

my $endtime=trim(shift);

my $point=trim(shift);

my @time_list;

my $i=0;

for($i=0;$i<$point;$i++)

{

push(@time_list,get_time_str($endtime));

$endtime-=300;

}

@time_list;

}

#获得时间字符串

sub get_time_str

{

my $endtime=trim(shift);

#@t=gmtime($endtime);

($sec, $min, $hour, $day, $mon, $year, $wday, $yday, $isdst) = localtime($endtime);

if($min<10)

{

$min="0$min";

}

if($hour<10)

{

$hour="0$hour";

}

if($day<10)

{

$day="0$day";

}

if($mon<10)

{

$mon="0$mon";

}

$year+=1900;

my $str="$year-$mon-$day_$hour:$min";

}

本文转自yifangyou 51CTO博客，原文链接：http://blog.51cto.com/yifangyou/605759，如需转载请自行联系原作者