如何使用日志分析工具
Piwik服务器日志分析 > 如何使用日志分析工具
本页解释了如何用Piwik日志分析工具将服务器日志导入到Piwik
- 系统要求
- 如何：使用默认参数运行日志文件分析脚本
- 如何：导入其他数据包括机器人、静态文件、HTTP错误报告
- 如何：排除特定的记录
系统要求
- 安装或升级Piwik。需要花大概5分钟以内。
- 要执行脚本，你需要通过SSH或者其他能执行脚本的途径访问你的服务器
- 需要Python 2.6。注意：载入和解析日志文件的脚本是用Python写的，但是Piwik的API是用PHP5写的。
- 你还需要一个或多个日志文件来用Piwik解析、分析。（日志文件内的每一行记录都必须是按时间排序的）
- 注意：我们建议你使用包含User Agent, Referrer URL和完整URLs的扩展日志格式。如果这些字段没有在日志中，分析数据可能不精确。
- 设置GEO Location来精确探测国家和城市。Piwik推断访问者的国家是基于访问者的浏览器语言的，但是这些信息访问日志（access log）都不支持，所以Geo Location是必要的。
- 最低版本：Piwik 1.7.2，但是我们始终建议更新到最新的版本。
注意：数据精确性
使用服务器日志导入（相对于js跟踪）会有少部分用户数据点丢失：屏幕分辨率、浏览器插件和页面（title）都不支持 （report Actions > Page Titles大部分会是空）。跟踪cookies不能被用于计算“一些丢失的数据点”，见“FAQ”。
如何：使用默认参数运行日志文件分析脚本
一旦Piwik开始运行，你将会找到这个脚本：misc/log-analytics/import_logs.py
$ python /path/to/piwik/misc/log-analytics/import_logs.py
这个会显示在帮助信息中。唯一必要的参数是：
--url=http://analytics.example.com
用来指定Piwik的根URL。然后，你可以指定一个或多个日志文件用于导入。
查看输出帮助和README获得更多可用参数的信息和说明。
如：如果你想要跟踪所有请求（静态文件、机器人请求、HTTP错误、HTTP 跳转），可以使用下面的命令
python /path/to/piwik/misc/log-analytics/import_logs.py --url=http://analytics.example.com access.log --idsite=1234 --recorders=4 --enable-http-errors --enable-http-redirects --enable-static --enable-bots
如何：导入其他数据包括机器人、静态文件、HTTP错误报告
脚本默认不会跟踪静态文件（JS、CSS、图片等）和所有机器人流量。
你可以用下面的命令来启用这些流量：
- --enable-bots
用于跟踪搜索、垃圾信息机器人，并给它们指定一个自定义变量名：Bot。启用后，日志文件会需要更长的处理时间知道所有机器人的page view都被传到Piwik中。
- --enable-static
用于指定跟踪静态文件（图片、JS、CSS）。这会延长一些日志的处理时间。
- --enable-http-errors
用于指定跟踪page view的HTTP错误（4xx、5xx状态），并将自定义变量HTTP-code设置成400、500等。如果有的话，页面title会显示成URL referrer（用于帮助找到是哪一个页面链接到了不错在的页面等）。
- --enable-reverse-dns
用于启用反向DNS（用于生成访客>服务提供商报告），可用于探测诸如DNS太慢引起的一些性能问题。
- --recorders=N
指定线程的数量：我们建议设置成系统的CPU的核心数量。（或者视你的服务器配置而定）
- --recorder-max-payload-size=N
这个入口用于批量跟踪来达到更好的性能。默认300PV（日志记录）会被一次性发送到Piwik。你可以实验这个数字来获得更好的性能，但是需要有个上限。
如何：排除特定的记录
有几个方式来排除特定被跟踪的日志记录或者访客。
- 你可以排除特定IP地址或者IP段。通过用管理员登陆Piwik，在“设置 > 网站”中配置excluded IPs
- 脚本提供一个选项通过HTTP头的User Agent排除来访问者：
--useragent-exclude
- 脚本提供一个选来来强制使用URL域名白名单，不再白名单中的域名会被过滤：
--hostname
- 它可以用于通过URL路径排除一些特定的日志记录：
--exclude-path
我测试的参数：
# time ../import_logs.py --url=http:/XXX /XXX.gz --recorders=64 --enable-http-errors --enable-http-redirects --idsite=4 --enable-static
log追踪
log追踪无需修改web项目，但是必须要有登录服务器并读取accesslog的权限。
log追踪的详细用法参考官方文档: http://piwik.org/faq/log-analytics-tool/, https://piwik.org/log-analytics/
log追踪的过程是解析webserver的accesslog，然后通过piwik的API上传，最终在piwik页面上展示。
这个过程不用自己去实现了，piwik的压缩包中已经带有一个python脚本可以帮助我们完成这个工作了，该脚本存储于piwik目录下的misc/log-analytics/import_logs.py。
将这个脚本远程拷贝到目标服务器上，按照脚本的参数格式执行即可，我的命令行：
|
1 |
./import_logs.py//192.168.1.106/piwik/
|
使用--help参数即可看到这个脚本的命令行，只有一个--url参数是必须的，指明piwik的访问路径。详细帮助参见官方文档(https://piwik.org/docs/log-analytics-tool-how-to/)，这里对我使用的参数做一下简介：
--idsite表明抓取到的信息上传到哪个序号对应的网站(这里的参数为1，代表解析的数据会统计到first_web这个网站中)
--token-auth这个参数是管理员的访问token，在系统页面最顶上的API点开即可看到，如下图所示。这个参数可以使用--login=LOGIN --password=PASSWORD这两个参数替代，必须是管理员的账户和密码。
--recorders使用多线程解析，默认为1，官方建议这个参数和核心数一致。
--enable-static --enable-bots --enable-http-errors这三个参数基本上把apache的accesslog能抓取到的全部信息都抓全了，抓取静态资源(jpg,png,js,css等非html的访问)，抓取bots(不知道这个是什么，猜测是否是机器人？)，抓取html错误码(如40X请求等等)
/var/log/apache2/access.logapache的accesslog存放路径，常见的webserver如nginx,lighthttpd等，脚本自带有解析引擎，无需别的参数，如果非常见webserver的话，加上--log-format-regex这个参数来自定义日志格式抓取。
当脚本执行完毕时，即可在piwik中看到网站的访问记录了，使用也很方便。长期使用可以写入crontab即可。
注意:
- log解析的方式追踪比较慢，不适合实时追踪用户访问记录，建议每过几小时执行一次crontab，来定时解析log。
- 如果开启了
--enable-static --enable-bots --enable-http-errors这三个参数，解析过程将会很缓慢(我这边大概十几条每秒)，不要让crontab太频繁，会直接让mysql数据库超出连接而挂掉，我是每4小时执行一次crontab。