使用MongoDB分析Nginx日志的方法详解

本文我们要从日志文件中找出IP访问最多的10条记录，然后判断其是否合法,从而采取对应的措施。感兴趣的朋友们一起来看看吧。
日志解析流程

正常情况下,关于Nginx日志解析的流程如下所示:

一般情况下我们会对要解析的日志提前进行切分,常用的方式是按照日期,然后保存1个星期的日志。然后接下来就是日志的解析了,在这个过程中会使用到一些工具或编程语言,例如awk、grep、perl、python。

最后的入库和可视化处理一般视业务而定,没有强制的要求。
日志查询的解决方案

而关于Nginx日志解析的常用解决方案主要有如下4种方式:

通过awk和grep进行解析
通过Postgresql外联表进行日志的映射
通过Python与MongoDB的组合来进行日志查询
通过ELK这个开源套件进行查询

其中Postgresql外联表的方式在之前公司的时候已经使用过,当然是对公司多个3GB大小的日志进行处理。而第1种和第4种解决方案没有太多的实践的经验,这里我们主要来看第2种解决方案。
日志格式

关于日志解析处理,我们比较常用的方式是使用正则表达式来进行匹配,而常用的1个库是nginxparser,我们可以直接通过pip进行安装。当然还有其他的方式来进行解析,这个要视业务而定。

在日志解析中,比较重要的是日志的格式,默认情况下Nginx的日志格式如下:

log_format main "$remote_addr - $remote_user [$time_local] "$request" ""$status $body_bytes_sent "$http_referer" """$http_user_agent" "$http_x_forwarded_for"""$upstream_addr $upstream_response_time $request_time;

下面我们来看实际业务中的1个应用。之前公司有1个抢微信红包的活动,当然有用户反映好几天都无法抢到1个红包。因此,我们团队成员认为可能在这个过程中存在作弊的现象,因此便决定对Nginx的日志进行解析。
下面是1条真实的日志的记录:

101.226.89.14 - - [10/Jul/2016:07:28:32 +0800] "GET /pocketmoney-2016-XiKXCpCK.html HTTP/1.1" 302 231 "-" "Mozilla/5.0 （Linux; Android 5.1; OPPO R9tm Build/LMY47I） AppleWebKit/537.36 （KHTML, like Gecko） Version/4.0 Chrome/37.0.0.0 Mobile MQQBrowser/6.2 TBS/036548 Safari/537.36 MicroMessenger/6.3.22.821 NetType/WIFI Language/zh_CN"

日志分析

通过awk进行解析

接着,我们来看下如何使用awk解析出IP访问最多的记录,关于awk语法可以参考进行学习:

dog@dog-pc:~$ awk "{a[$1]++}END{for（i in a）print i,a[i]}" nginx.log |sort -t " " -k2 -rn|head -n 10 111.167.50.208 26794 183.28.6.143 16244 118.76.216.77 9560 14.148.114.213 3609 183.50.96.127 3377 220.115.235.21 3246 222.84.160.249 2905 121.42.0.16 2212 14.208.240.200 2000 14.17.37.143 1993

默认情况下,awk以空格作为分隔符号,因此$1将获取到Nginx默认格式中的远程地址。在这里,我们通过定义1个字段,使用IP作为键名,如果对应的键名存在则将其数量加1处理。最后我们遍历这个字典,之后通过数量进行排序,最后通过head获取10条记录。
当然这种操作方式是有较大误差的,因为我们没有指定状态码等其他条件,下面我们来看根据状态码和请求方式这2个条件后过滤的数据:

dog@dog-pc:~$ awk "{if（$9>0 && $9==200 && substr（$6,2）== "GET"） a[$1]++}END{for（i in a）print i,a[i]}" nginx.log|sort -t " " -k2 -rn|head -n 10 222.84.160.249 2856 183.28.6.143 2534 116.1.127.110 1625 14.208.240.200 1521 14.17.37.143 1335 219.133.40.13 1014 219.133.40.15 994 14.17.37.144 988 14.17.37.161 960 183.61.51.195 944

这样我们就可以将这10个IP进行分析,考虑下一步的操作,比如通过iptables组合禁止该IP的访问或限制其访问的次数等。
通过Postgresql

通过Postgresql入库后使用SQL进行查询的方式可以通过如下2种图片来查看:

在上图中主要是查看日志中请求状态码的总数量。而下图是对状态码为200的前10条IP的筛选:

可以看到基本上与上面awk解析的方式一致。
通过MongoDB进行查询

我们知道,MongoDB是1个文档型数据库,通过这个数据库我们辅助解决关系型数据库一些不太擅长的工作。

在Python中,主要的MongoDB客户端驱动是PyMongo,我们可以通过如下的方式建立1个连接:

In [1]: from pymongo import MongoClient In [2]: client = MongoClient（）

由于这里我们使用的是默认的端口和地址,因此在MongoClient类中不传入任何的参数。

在这里,我们先说下我们插入到MongoDB中日志的格式:

{"status": 302, //HTTP状态码"addr": "101.226.89.14", //远程IP地址"url": "-","req": "/pocketmoney-2016-XiCXCpCK.html", //请求的地址"agent": "Mozilla/5.0 （Linux; Android 5.1; OPPO R9tm Build/LMY47I） AppleWebKit/537.36 （KHTML, like Gecko） Version/4.0 Chrome/37.0.0.0 Mobile MQQBrowser/6.2 TBS/036548 Safari/537.36 MicroMessenger/6.3.22.821 NetType/WIFI Language/zh_CN", //请求的user-agent"referer": "NetType/WIFI","t": "2016/07/10 06:28:32", //请求的时间"size": 231, //响应的大小"method": "GET", //请求的方法"user": "-" //用户名称 }

在这里我们通过Python进行解析后,组装成如上的格式后插入到MongoDB中,在这里主要用到的是MongoDB文档对象的insert_one方法插入1条记录。

db = client["log"] col = db["nginx"] data = {} ... col.insert_one（data）

接着我们开始对上述的记录进行查询操作,主要是通过MongoDB提供的map-reduce来实现聚合操作,其对应的Python代码为:

In [3]: db = client["log"] In [4]: col = db["nginx"] In [5]: pipeline = [...: {"$match":{"status":200}},...: {"$group":{"_id":"$addr","count":{"$sum":1}}},...: {"$sort":{"count":-1}},...: {"$limit":10}...: ] In [6]: list（col.aggregate（pipeline）） Out[6]: [{u"_id": u"222.84.160.249", u"count": 2856},{u"_id": u"183.28.6.143", u"count": 2534},{u"_id": u"116.1.127.110", u"count": 1625},{u"_id": u"14.208.240.200", u"count": 1521},{u"_id": u"14.17.37.143", u"count": 1335},{u"_id": u"219.133.40.13", u"count": 1014},{u"_id": u"219.133.40.15", u"count": 994},{u"_id": u"14.17.37.144", u"count": 988},{u"_id": u"14.17.37.161", u"count": 960},{u"_id": u"183.61.51.195", u"count": 944}]

可以看到这个过程与之前的2种方式得到的结果是一致的。
关于可视化处理

关于可视化处理,我们可以选择一些Javascript的库,例如:

百度的Echarts
d3.js及其衍生的库

对于Python,可视化处理可以使用如下的一些库:

matplotlib
pandas

当然还有一些其他的库这里就不一一叙述了。

下面是1个使用百度Echart绘制的界面:

看起来还是挺漂亮的。
参考文章:http://api.mongodb.com/python/current/examples/aggregation.html
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流。