很多像我这样刚入门的小菜鸟，不知道日常怎么对自己的网站的日志进行分析，得出谁访问过我网站，访问什么，响应效果如何等等，在这里我对相关基础分析命令作个总结，大家可以参考一下&给修改意见。
在讲分析命令之前，首先要明确日志格式，每个人的格式不一定一样，如果与我的格式不一样则分析命令的列数号要作对应调整
141.10.225.94 - - [09/Dec/2016:15:42:45 +0800] "GET
/wp-content/uploads/2016/12/56.jpg HTTP/1.1" 304 - "http://www.vrfxie.cn/" "Mozilla/5.0 (Windows NT 6.1;
WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102
Safari/537.36" 0
LogFormat "%h %l %u %t \"%r\" %>s %b
\"%{Referer}i\" \"%{User-Agent}i\" %T" combined
%…h: 远程主机
%…l:
远程登录名字（来自identd，如提供的话）
%…u:
远程用户（来自auth；如果返回状态（%s）是401则可能是伪造的）
%…t:
以公共日志时间格式表示的时间（或称为标准英文格式）
%…r: 请求的第一行
%…s:
状态。对于进行内部重定向的请求，这是指*原来*请求 的状态。如果用%…>s，则是指后来的请求
%…b:
CLF格式的已发送字节数量，不包含HTTP头。例如当没有发送数据时，写入‘-’而不是0
%{Referer}i： 前一个页面，或者说从按个页面引过来的
%{User-Agent}i： 客户端主体信息
%T： 响应时间
基础：
1.找出访问次数最多的10个IP
cat access_log | awk ‘{print $1}‘ | sort | uniq -c |
sort -rn | head -n 10
结果：
4 101.226.35.225
2 91.92.120.102
2 123.126.113.161
1 98.143.148.107
1 95.213.187.188
1 81.169.223.210
1 61.216.2.13
1 220.181.108.106
1 139.199.66.174
1 139.162.88.63
解析：
awk #首先将每条日志中的IP抓出来，如日志格式被自定义过，可以 -F
定义分隔符，然后print指定列
sort #进行初次排序，为的使相同的记录排列到一起
upiq -c #合并重复的行，并记录重复次数
sort -nr #按照数字进行倒叙排序
head #进行前十名筛选
功能：
1.访问最多的IP地址，一般来说单个ip访问量就两位数左右吧，什么几千几万次的，就有点奇怪了
2.进一步，可以查看对应IP做过在对你网站做什么，做得最多的是什么，访问时间段……..
2.找到访问最多的页面
cat access_log | awk ‘{print $11}‘ | sort | uniq -c |
sort -rn | head -n 10
结果：
3068
"http://139.199.66.174/phpmyadmin/index.php/index.php"
52 "-"
31
"http://139.199.66.174/wp-admin/post-new.php"
27 "http://139.199.66.174/?p=58"
23
"http://139.199.66.174/wp-content/themes/sparkling/inc/css/font-awesome.min.css?ver=4.3.6"
22 "http://139.199.66.174/"
21
"http://vrfxie.blog.51cto.com/11026252/1877410"
21
"http://139.199.66.174/wp-content/themes/sparkling/inc/css/bootstrap.min.css?ver=4.3.6"
16 "http://www.vrfxie.cn/"
13
"http://139.199.66.174/wp-admin/post.php?post=58&action=edit&message=6"
与1同理，只是换了一个列数
功能：
1.找出访问最多的页面
2.进一步可以查看对应页面的响应效率，如果效率不正常，则要进行优化调整
3.找出网站的响应质量
cat access_log | awk ‘{print $9}‘ | sort | uniq
-c | sort -rn | head -n 10 #查状态码
结果：
9 200
3 404
2 400
1 405
1 301
cat access_log | awk ‘{print $NF}‘ | sort | uniq -c |
sort -rn | head -n 10 #查响应时间
功能：
1.状态码2开头表示正常，4的话就代表出错了，如果占得比例比较多则证明网站响应质量比较差，要查找对应原因了
2.响应时间一般为0，也就是零点几秒，大于0则要检查一下了
4.找出访问次数最多的那个小时
cat access_log | awk ‘{print $4}‘ | cut -c 14-15 | sort | uniq -c | sort
-rn | head -n 10
结果：
3074 19
171 17
53 15
25 16
7 22
5 02
4 20
3 21
2 00
1 05
解析：
awk #用空格分出来的第四列是[09/Jan/2010:00:59:59；
cut -c #提取14到15个字符，就是表示小时那段
功能：
找出访问最多的时候，进一步可以查找，访问量高的原因，针对这段时间做优化。
进阶：
其实就是把上述的基本命令相互结合使用，或者加上一些特定条件，进行定位分析
下面我举几个典型例子，其他的大家可以类比去定制自己的分析命令即可
1.查看当天ip连接数
cat access_log | grep "09/Dec/2016" | awk ‘{print $1}‘ | sort
| uniq -c | sort -rn | head -n 10
关键在于grep，规定好特定前提--哪一天！
2.查看客户端主体信息，可知道它是不是spider之类的东西
cat access_log | awk -F ‘"‘ ‘{print $6}‘ | sort |
uniq -c | sort -rn | head -n 10
关键在于awk -F改变分隔符为" 取其第六段--客户端主体信息
spider样子：
Sogou web
spider/4.0(+http://www.sogou.com/docs/help/webmasters.htm#07)
Mozilla/5.0
(compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)
……
3.列出传输时间超过30秒的文件
cat access_log | awk ‘($NF > 30){print $7}‘| sort
-n | uniq -c | sort -nr | head -10
关键在于$NF > 30，按照我的日志格式$NF--最后一列是表示响应时间，响应时间大于30秒是前提
建议大家可以把对应你所需的分析命令汇合成一个脚本，定期执行形成报告，方便你查看，更牛的，可以根据报告结果，对异常的地方作出告警。
当然现在有很多日志分析软件如Logcheck等等，但是手工分析是基础，而且有趣一点~