web站点服务器日志管理及分析

浏览数：28 / 时间：2015年06月09日

管理Web网站不只是监视Web的速度和Web的内容传送。它不仅要关注服务器每天的吞吐量，还要了解这些Web网站的外来访问，了解网站各页面的访问情况。根据各页面的点击频率来改善网页的内容和质量，提高内容的可读性，以及跟踪包含有商业交易的步骤及管理Web网站“幕后”的数据等。

为了更好地提供WWW服务，监控Web服务器的运行情况、了解网站内容的详细访问状况就显得越来越重要和迫切了。而这些要求都可以通过对Web服务器日志文件的统计和分析来实现。本文将对Web服务器日志分析的原理和技术进行讨论。

文章内相关工具软件下载地址如下：

Webalizerhttp://www.mrunix.net/webalizer/

Cronolog http://www.cronolog.org/

Apache http://www.apache.org/

Web日志分析的原理

网站服务器日志记录了Web服务器接收处理请求及运行时错误等各种原始信息。通过对日志进行统计、分析和综合，就能有效地掌握服务器的运行状况、发现和排除错误原因、了解客户访问分布等，更好地加强系统的维护和管理。

WWW服务模型非常简单：

1.客户端(浏览器)和Web服务器建立TCP连接，连接建立以后，向Web服务器发出访问请求（如get）。根据HTTP协议，该请求中包含了客户端的IP地址、浏览器的类型、请求的URL等一系列信息。

2. Web服务器收到请求后，将客户端要求的页面内容返回到客户端。如果出现错误，那么返回错误代码。

3. 服务器端将访问信息和错误信息记录到日志文件里。

下面是客户端发送给Web服务器请求的数据报的内容：

GET /engineer/ideal/list.htm HTTP/1.1

Accept: image/gif, image/x-xbitmap,image/jpeg, image/pjpeg,

application/vnd.ms-powerpoint,application/vnd.ms-excel, application/msword, */*

Referer:http://www.linuxaid.com.cn/engineer/ideal/

Accept-Language: zh-cn

Accept-Encoding: gzip, deflate

User-Agent: Mozilla/4.0 (compatible;MSIE 6.0; Windows NT 5.0)

Host: www.linuxaid.com.cn

Connection: Keep-Alive

从代码中可以看到，在客户机的请求里包含了很多有用的信息，如客户端类型等。Web服务器会将请求的Web页内容发送返回给客户机。

目前常用的Web服务器有Apache、Netscape Enterprise Server、MS IIS等。而现在互联网上常用的Web服务器就是Apache，因此本文所做的讨论都将以Linux＋Apache环境讨论（其它的应用环境与此类似）。对于Apache来说，支持多种日志文件格式，最常见的是common和combined两种模式。其中，combined方式比common方式日志信息中的Referer（表示该请求来自于哪里，例如来自于yahoo的搜索引擎）和User-agent（用户客户端类型，如Mozilla或IE）多。下面是common类型的日志示例：

218.242.102.121 - -[06/Dec/2002:00:00:00 +0000] "GET

/2/face/shnew/ad/via20020915logo.gifHTTP/1.1" 304 0 "http://www.mpsoft.net/"

"Mozilla/4.0 (compatible; MSIE6.0; Windows 98)"

61.139.226.47 - - [06/Dec/2002:00:00:00+0000] "GET /cgi-bin/guanggaotmp.cgi?1

HTTP/1.1" 200 178"http://www3.beareyes.com.cn/1/index.php" "Mozilla/4.0

(compatible; MSIE 5.0; Windows 98;DigExt)"

218.75.41.11 - - [06/Dec/2002:00:00:00+0000] "GET

/2/face/shnew/ad/via20020915logo.gifHTTP/1.1" 304 0 "http://www.mpsoft.net/"

"Mozilla/4.0 (compatible; MSIE5.0; Windows 98; DigExt)"

61.187.207.104 - -[06/Dec/2002:00:00:00 +0000] "GET /images/logolun1.gif

HTTP/1.1" 304 0"http://www2.beareyes.com.cn/bbs/b.htm" "Mozilla/4.0(compatible;

MSIE 6.0; Windows NT 5.1)"

211.150.229.228 - -[06/Dec/2002:00:00:00 +0000] "GET /2/face/pub/image_top_l.gif

HTTP/1.1" 200 260"http://www.beareyes.com/2/lib/200201/12/20020112004.htm"

"Mozilla/4.0 (compatible; MSIE5.5; Windows NT 5.0)"

从上面的日志文件可以看出，日志记录会记录客户端的IP地址、访问发生的时间、访问请求的页面、Web服务器对于该请求返回的状态信息、返回给客户端的内容的大小（以字节为单位）、该请求的引用地址、客户浏览器类型等信息。

Apache日志的配置和管理

本文中假设Apache运行有两个虚拟主机：www.secfocus.com和www.tomorrowtel.com。我们需要对这两个虚拟主机分别进行访问日志分析和统计。

Apache配置文件中，需要关心的和日志相关配置有两个：

$ CustomLog /www/logs/access_log common

$ ErrorLog /www/logs/error_log

CustomLog用来指示Apache的访问日志存放的位置（这里保存在/www/logs/access_log中）和格式（这里为common）；ErrorLog用来指示Apache错误信息日志存放的位置。

对于不配置虚拟主机的服务器来说，只需直接在httpd.conf中查找CustomLog配置进行修改即可。而对于具有多个虚拟服务器的Web服务器来说，需分离各个虚拟服务器的访问日志，以便对各个虚拟服务器进行访问统计和分析。因此就需要在虚拟服务器配置中进行独立的日志配置，示例如下：

NameVirtualHost 75.8.18.19

ServerName www.secfocus.com

ServerAdmin [email protected]

DocumentRoot /www/htdocs/secfocus/

CustomLog "/www/log/secfocus"combined

Alias /usage/"/www/log/secfocus/usage/"

ServerName www.tomorrowtel.com

ServerAdmin tomorrowtel @tomorrowtel.com

DocumentRoot /www/htdocs/ tomorrowtel

CustomLog "/www/log/tomorrowtel" combined

Alias /usage/"/www/log/tomorrowtel/usage/"

这里需要注意的是，每个虚拟主机的定义都有一个CustomLog命令，用来指定该虚拟主机访问日志的存放文件；而Alias命令用来让日志分析生成的报表能通过www.secfocus.com/usage/的方式来访问。通过上面的配置就完成了日志文件的保存。

接下来遇到的一个问题就是日志文件的轮循。因为日志一直在增大，如果不进行处理那么日志文件越来越大，就会影响Web服务器运行效率、速率，还可能耗尽服务器硬盘空间，导致服务器无法正常运行。另外，如果单个日志文件大于操作系统单文件尺寸的的限制，从而会进一步影响Web服务的运行。而且，日志文件如果不进行轮循，也不便于日志统计分析程序的运行。因为日志统计分析都是以天为单位进行统计分析的，跨越很长时间日志会使得统计分析程序运行特别慢。因此这里就需要对Web服务器日志文件每天进行轮循。

Web服务器日志轮循

Web服务器日志轮循比较好的方式有三种：第一种方法是利用Linux系统自身的日志文件轮循机制logrotate；第二种方法是利用Apache自带的日志轮循程序rotatelogs；第三种是使用在Apache的FAQ中推荐发展已经比较成熟的一个日志轮循工具 cronolog。

对于大型的Web服务来说，往往使用实用负载均衡技术提高Web站点服务能力，这样后台有多个服务器提供Web服务，大大方便了服务的分布规划和扩展性。如果有多个服务器的分布需要对日志进行合并，统一进行统计分析。因此为了保证统计的精确性，需要严格按照每天的时段来自动生成日志。

用logrotate实现日志轮循

首先讨论采用Linux系统自身的日志文件轮循机制logrotate的方法。logrotate是Linux系统自身带的一个日志轮循程序，是专门对各种系统日志（syslogd、mail）进行轮循的程序。该程序是由运行程序的服务crond每天凌晨4:02运行的。在/etc/cron.daily目录下可以看到logrotate文件，其内容如下：

#!/bin/sh/

$ usr/sbin/logrotate/etc/logrotate.conf

每天清晨crond都会启动/etc/cron.daily目录下的logrotate脚本来进行日志轮循。

在/etc/logrorate.conf中可以看到如下内容：

# see "man logrotate" fordetails

# rotate log files weekly

weekly

# keep 4 weeks worth of backlogs

rotate 4

# create new (empty) log files afterrotating old ones

create

# uncomment this if you want your logfiles compressed

#compress

# RPM packages drop log rotationinformation into this directory

include /etc/logrotate.d

# no packages own wtmp -- we‘ll rotatethem here

/var/log/wtmp {

monthly

create 0664 root utmp

rotate 1

}

# system-specific logs may be also beconfigured here.

从 logrotate的配置文件中可以看到，除了wtmp以外，需要滚动的日志的配置都保存在/etc/logroate.d目录下。因此只需要在该目录下创建一个名为apache的配置文件，来指示logrotate如何轮循Web服务器的日志文件即可。下面是一个示例：

/www/log/secfocus {

rotate 2

daily

missingok

sharedscripts

postrotate

/usr/bin/killall -HUP httpd 2>/dev/null || true

endscript

}

/www/log/tomorrowtel {

rotate 2

daily

missingok

sharedscripts

postrotate

/usr/bin/killall -HUP httpd 2>/dev/null || true

endscript

}

这里“rotate 2”表示轮循时只包括两个备份文件，也就是只有access_log、access_log.1和access_log.2三个日志备份文件。这样就实现了对两个虚拟主机的日志文件的轮循。本文后面会讨论如何使用日志统计分析软件对日志文件进行处理。

这种方法的优点是不需要其它第三方工具就可以实现日志轮循。但是对于重负载的服务器和使用负载均衡技术的Web服务器来说，这种方法不是很实用。因为它是对相应服务进程发出一个-HUP重启命令来实现日志的截断归档的，这样会影响服务的连续性。

用rotatelogs实现日志轮循

Apache 提供了不把日志直接写入文件，而是通过管道发送给另外一个程序的能力。这样就大大加强了对日志进行处理的能力。这个通过管道得到的程序可以是任何程序，如日志分析、压缩日志等。要实现将日志写到管道的操作，只需要将配置中日志文件部分的内容替换为“|程序名”即可，例如：

# compressed logs

$ CustomLog "|/usr/bin/gzip -c>> /var/log/access_log.gz" common

这样就可以使用Apache自带的轮循工具rotatelogs来对日志文件进行轮循。rotatelogs基本是按时间或大小来控制日志的。

$ CustomLog "|/www/bin/rotatelogs/www/logs/secfocus/access_log 86400" common

上面的示例中，Apache访问日志被发送给程序rotatelogs；rotatelogs将日志写入 /www/logs/secfocus/access_log，并每隔86400秒（1天）对日志进行一次轮循。轮循以后的文件名为 /www/logs/secfocus/access_log.nnn，这里nnn是开始记录日志的时间。因此，为了将日志按天对齐需要在凌晨00:00 启动服务，使得每天轮循得到的日志刚好是完整一天的日志，以提供给访问统计分析程序进行处理。如果是00:00开始生成新的日志，那么轮循得到的日志就是 access_log.0000。

用cronolog实现日志轮循

首先需要下载和安装cronolog，可以到http://www.cronolog.org下载最新版本的cronolog。下载完毕以后，解压安装即可。方法如下所示：

tar xvfz cronolog-1.6.2.tar.gz

cd cronolog-1.6.2

./configure

make

make check

make install

这样就完成了cronolog的配置和安装，默认情况下cronolog是安装在/usr/local/sbin下。

修改Apache日志配置命令如下所示：

$ CustomLog"|/usr/local/sbin/cronolog /www/logs/secfocus/%w/access_log" combined

这里%w表示按照日期在不同的目录下保存日志，这种方式会保存一周的日志。

为了进行日志分析，需要每天将该日志文件拷贝（或移动，如果不希望保存一周的日志）到一个固定的位置，以方便日志分析统计文件进行处理（使用crontab -e）。添加定时任务如下：

$ 5 0 * * * /bin/mv/www/logs/secfocus/`date -v-1d +\%w`/access_log

/www/logs/secfocus/access_log_yesterday

再使用日志统计分析程序，对文件access_log_yesterday进行处理。

对于使用负载均衡技术的大型站点，就存在多个服务器的访问日志的合并处理问题。对于这种情况，各个服务器定义或移动日志文件时就不能使用 access_log_yesterday了，而应该带上服务器编号（例如服务器IP地址等信息）加以区分。然后在各个服务器上运行网站镜像和备份服务 rsyncd，再将每个服务器每天的安装配置文件通过rsync下载到专门进行访问统计分析的服务器上进行合并。

合并多个服务器的日志文件（如log1、log2、log3），并输出到log_all中的方法是：

$ sort -m -t " " -k 4 -olog_all log1 log2 log3

-m表示使用merge优化算法；-k 4表示根据时间进行排序；-o表示将排序结果存放到指定的文件中。

日志统计分析程序webalizer的安装和配置

webalizer是一个高效、免费的Web服务器日志分析程序。其分析结果是HTML文件格式的，从而可以很方便地通过Web服务器进行浏览。Internet上的很多站点都使用webalizer进行Web服务器日志分析。Webalizer具有以下一些特性。

◆ 它是用C语言写的程序，具有很高的运行效率。在CPU主频为200MHz的机器上，webalizer每秒钟可以分析1万条记录，所以分析一个40MB大小的日志文件只需要15秒。

◆ webalizer支持标准的一般日志文件格式（Common Logfile Format）。除此之外，也支持几种组合日志格式的变种，从而可以统计客户情况及客户操作系统类型。现在webalizer已经可以支持wu-ftpd xferlog日志格式及squid日志文件格式。

◆ 支持命令行配置及配置文件。

◆ 可以支持多种语言，也可以自己进行本地化工作。

◆ 支持多种平台，比如Unix、Linux、NT、OS/2和MacOS等。

webalizer生成的访问统计分析报表里面包含每个月的平均访问量的表格和条形图统计分析情况。点击每个月份，可以得到这个月每天的详细统计信息。

1.安装

在安装以前，首先需要确保系统已经安装有gd库，可以使用下段代码：

＃ rpm -qa|grep gd

＃ gd-devel-1.8.4-4

＃ gdbm-devel-1.8.0-14

＃ gdbm-1.8.0-14

＃ sysklogd-1.4.1-8

＃ gd-1.8.4-4

用来确认系统已经安装有gd-deve和gd两个RPM包。

安装webalizer有两种方式：一种是下载源代码来安装；一种是直接使用RPM包来安装。

使用RPM包方式安装非常简单，从rpmfind.net找到webalizer包，下载以后运行以下代码，即可实现安装：

$ rpm -ivh webalizer-2.01_10-1.i386.rpm

对于源代码方式需要从http://www.mrunix.net/webalizer/下载，然后安装。首先解开源代码包：

$ tar xvzf webalizer-2.01-10-src.tgz

在生成的目录中有个lang目录。该目录中保存了各种语言文件，但是只有繁体中文版本，可以自己转换成简体，或者重新翻译一下，然后进入生成的目录：

$ cd webalizer-2.01-10

$ ./configure

$ make --with-language=Chinese

$ make install

编译成功后，会在/usr/local/bin/目录下安装一个webalizer可执行文件。

2.配置和运行

对webalizer运行的控制可以通过配置文件或在命令行指定参数的两种方式进行。使用配置文件方式比较简单和灵活，适用于自动Web服务器日志统计分析的应用环境。

webalizer 的默认配置文件为/etc/webalizer.conf，当启动webalizer时没有使用“-f“选项时，webalizer就会寻找文件 /etc/webalizer.conf，也可以使用“-f”来指定配置文件（当服务器有虚拟主机时，需要配置多份不同的webalizer配置文件。不同的虚拟主机的webalizer使用不同的配置文件。webalizer.conf配置文件中需要修改的配置选项如下：

LogFile /www/logs/secfocus/access_log

用来指示配置文件的路径信息，webalizer会将该日志文件作为输入进行统计分析：

OutputDir /www/htdocs/secfocus/usage

用来指示生成的统计报表的保存目录，在前面使用alias，使用户可以使用http://www.secfocus.com/usage/来访问统计报表。

HostName www.secfocus.com

上述代码用来指示主机名，统计报表中会引用该主机名。

其它选项无需修改。配置文件修改完毕以后，需要定时webalizer，每天生成当日的统计分析。

以root身份运行crontab -e进入定时运行任务编辑状态，加入如下任务：

$ 5 0 * * * /usr/local/bin/webalizer -f/etc/secfocus.webalizer.conf

$ 15 0 * * * /usr/local/bin/webalizer-f /etc/tomorrowtel.webalizer.conf

这里假设系统运行有两个虚拟主机，并分别定义了日志分析配置文件secfocus.webalizer.conf和 tomorrowtel.webalizer.conf。这样定义在凌晨00:05对secfocus的日志进行统计分析；在凌晨00:15对 tomorrowtel的日志进行统计分析。

第二天分别使用http://www.secfocus.com/usage和http://www.tomorrowtel.com/usage来查看各自的日志分析报表。