python+pandas分析nginx日志的实例

Python  /  管理员 发布于 7年前   214

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logdirimport sysimport osimport pandas as pdmulu=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=Truechunksize=10000000chunks=[]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_meandf_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。