python+pandas分析nginx日志的实例


            需求

通过分析nginx访问日志，获取每个接口响应时间最大值、最小值、平均值及访问量。

实现原理

将nginx日志uriuriupstream_response_time字段存放到pandas的dataframe中，然后通过分组、数据统计功能实现。

实现

1.准备工作





#创建日志目录，用于存放日志

mkdir /home/test/python/log/log

#创建文件，用于存放从nginx日志中提取的$uri $upstream_response_time字段

touch /home/test/python/log/log.txt

#安装相关模块

conda create -n science numpy scipy matplotlib pandas

#安装生成execl表格的相关模块

pip install xlwt



2.代码实现





#!/usr/local/miniconda2/envs/science/bin/python

#-*- coding: utf-8 -*-

#统计每个接口的响应时间

#请提前创建log.txt并设置logdir

import sys

import os

import pandas as pd

mulu=os.path.dirname(__file__)

#日志文件存放路径

logdir="/home/test/python/log/log"

#存放统计所需的日志相关字段

logfile_format=os.path.join(mulu,"log.txt")

print "read from logfile \n"

for eachfile in os.listdir(logdir):

 logfile=os.path.join(logdir,eachfile)

 with open(logfile, 'r') as fo:

  for line in fo:

   spline=line.split()

   #过滤字段中异常部分

   if spline[6]=="-":

    pass

   elif spline[6]=="GET":

    pass

   elif spline[-1]=="-":

    pass

   else:

    with open(logfile_format, 'a') as fw:

     fw.write(spline[6])

     fw.write('\t')

     fw.write(spline[-1])

     fw.write('\n')

print "output panda"

#将统计的字段读入到dataframe中

reader=pd.read_table(logfile_format,sep='\t',engine='python',names=["interface","reponse_time"] ,header=None,iterator=True)

loop=True

chunksize=10000000

chunks=[]

while loop:

 try:

  chunk=reader.get_chunk(chunksize)

  chunks.append(chunk)

 except StopIteration:

  loop=False

  print "Iteration is stopped."

df=pd.concat(chunks)

#df=df.set_index("interface")

#df=df.drop(["GET","-"])

df_groupd=df.groupby('interface')

df_groupd_max=df_groupd.max()

df_groupd_min= df_groupd.min()

df_groupd_mean= df_groupd.mean()

df_groupd_size= df_groupd.size()

#print df_groupd_max

#print df_groupd_min

#print df_groupd_mean

df_ana=pd.concat([df_groupd_max,df_groupd_min,df_groupd_mean,df_groupd_size],axis=1,keys=["max","min","average","count"])

print "output excel"

df_ana.to_excel("test.xls")



3.打印的表格如下：



要点

1. 日志文件比较大的情况下读取不要用readlines()、readline(),会将日志全部读到内存，导致内存占满。因此在此使用for line in fo迭代的方式，基本不占内存。

2. 读取nginx日志，可以使用pd.read_table(log_file, sep=' ‘, iterator=True),但是此处我们设置的sep无法正常匹配分割，因此先将nginx用split分割，然后再存入pandas。

3. Pandas提供了IO工具可以将大文件分块读取，使用不同分块大小来读取再调用 pandas.concat 连接DataFrame

以上这篇python+pandas分析nginx日志的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持中文源码网。