AWStats簡(jiǎn)介：Apache/IIS的日志分析工具

內(nèi)容摘要：AWStats的使用簡(jiǎn)介和配置一些改進(jìn)說(shuō)明。很高興看到在AWStats 6.3版本開始：中文用戶基本上已經(jīng)只需要將配置文件中將 LoadPlugin="decodeutfkeys" 啟用基本上就沒(méi)有什么中文搜索引擎的統(tǒng)計(jì)問(wèn)題了，目前增加了# Minor chinese search engines 'baidu\.com','search\.sina\.com','search\.sohu\.com',這3個(gè)搜索引擎。包含了針對(duì)國(guó)內(nèi)主要搜索引擎和蜘蛛定義的補(bǔ)丁(解包后覆蓋lib\目錄下的原程序目錄即可)

日志統(tǒng)計(jì)系統(tǒng)在站點(diǎn)的用戶行為分析中扮演了重要的角色，尤其是對(duì)于來(lái)自搜索引擎的關(guān)鍵詞 訪問(wèn)統(tǒng)計(jì)：是很有效的用戶行為分析數(shù)據(jù)來(lái)源。隨著互聯(lián)網(wǎng)多年的發(fā)展，WEB日志統(tǒng)計(jì)工具已經(jīng)越來(lái)越成熟，功能也越來(lái)越豐富。其中有很多是開放源代碼的， AWStats就是其中非常優(yōu)秀的一款。

AWStats: Advanced Web Statistics

AWStats是在Sourceforge上發(fā)展很快的一個(gè)基于Perl的WEB日志分析工具。相對(duì)于另外一個(gè)非常優(yōu)秀的開放源代碼的日志分析工具Webalizer，AWStats的優(yōu)勢(shì)在于：

1. 界面友好：可以根據(jù)瀏覽器直接調(diào)用相應(yīng)語(yǔ)言界面（有簡(jiǎn)體中文版）
   參考輸出樣例：http://www.chedong.com/cgi-bin/awstats/awstats.pl?config=chedong
2. 基于Perl：并且很好的解決了跨平臺(tái)問(wèn)題，系統(tǒng)本身可以運(yùn)行在GNU/Linux上或Windows上（安裝了ActivePerl后）；分析的日志直接支持Apache格式 (combined)和IIS格式(需要修改)。Webalizer雖然也有Windows平臺(tái)版，但目前已經(jīng)缺乏 維護(hù)；
   AWStats完全可以實(shí)現(xiàn)用一套系統(tǒng)完成對(duì)自身站點(diǎn)不同WEB服務(wù)器：GNU/Linux/Apache和Windows/IIS服務(wù)器的統(tǒng)一統(tǒng)計(jì)。
3. 效率比較高：AWStats輸出統(tǒng)計(jì)項(xiàng)目比Webalizer豐富了很多，速度仍可以達(dá)到Webalizer的1/3左右，對(duì)于一個(gè)日訪問(wèn)量 百萬(wàn)級(jí)的站點(diǎn)，這個(gè)速度都是足夠的；
   
4. 配置/定制方便：系統(tǒng)提供了足夠靈活但缺省也很合理的配置規(guī)則，需要修改的缺省配置不超過(guò)3，4項(xiàng)就可以開始運(yùn)行，而且修改和擴(kuò)展的插件還是 比較多的；
5. AWStats的設(shè)計(jì)者是面向精確的"Human visits"設(shè)計(jì)的，因此很多搜索引擎的機(jī)器人訪問(wèn)都被過(guò)濾掉了，因此有可能比其他日志統(tǒng)計(jì)工具統(tǒng)計(jì)的數(shù)字要低，來(lái)自公司內(nèi)部的訪問(wèn)也可以通過(guò)IP過(guò)濾 設(shè)置過(guò)濾掉。
6. 提供了很多擴(kuò)展的參數(shù)統(tǒng)計(jì)功能：使用ExtraXXXX系列配置生成針對(duì)具體應(yīng)用的參數(shù)分析會(huì)對(duì)產(chǎn)品分析非常有用。
   

更多與其他工具：Webalizer, analog的比較請(qǐng)參考：
http://awstats.sourceforge.net/#COMPARISON

AWStats安裝備忘

AWStats的運(yùn)行模式是這樣的：

1. 分析日志：運(yùn)行后將這樣的日志統(tǒng)計(jì)結(jié)果歸檔到一個(gè)AWStats的數(shù)據(jù)庫(kù)（純文本）里；
2. 然后是輸出：分兩種形式
   • 一種是通過(guò)cgi程序讀取統(tǒng)計(jì)結(jié)果數(shù)據(jù)庫(kù)輸出；
   • 一種是運(yùn)行后臺(tái)腳本將輸出導(dǎo)出成靜態(tài)文件；

以下是2個(gè)針對(duì)單個(gè)站點(diǎn)日志統(tǒng)計(jì)例子：
一個(gè)是在GNU/Linux上通過(guò)CGI方式的輸出，
一個(gè)是在Windows 2000上的基于靜態(tài)頁(yè)面的導(dǎo)出

下載/安裝

GNU/Linux：tar zxf awstats-version.tgz
awstats的腳本和靜態(tài)文件缺省都在wwwroot目錄下： 將cgi-bin目錄下的文件都部署awstats.pl程序到/home/apache/cgi-bin/awstats/ 下
mv awstats-version/cgi-bin /path/to/apache/cgi-bin/awstats
#把圖標(biāo)等文件目錄復(fù)制到WEB的HTML文件發(fā)布目錄下：/home/apache/htdocs/ 下發(fā)布
更多的批量更新腳本等在tools 目錄下，可以一并放到cgi-bin/awstats/ 目錄下，

Windows 2000：按照后臺(tái)腳本模式運(yùn)行，直接解包，然后移動(dòng)到D:\AWStats目錄下
把圖標(biāo)icon目錄復(fù)制到IIS的發(fā)布目錄下：inetpub/icon

數(shù)據(jù)源日志格式和按天的截?cái)嘁?guī)則

1. 對(duì)于Apache：日志格式好設(shè)置：設(shè)置成combined格式即可，日志截?cái)嗦闊┮稽c(diǎn)：需要安裝cronolog工具，將日志設(shè)置成按天截?cái)啵?BR>CustomLog "|/usr/local/sbin/cronolog /path/to/apache/logs/access_log.%Y%m%d" combined
   比如：logs/access_log.20030326
   日志是壓縮格式，可以使用gzip -d < /home/apache/logs/access_log.%YYYY-24%MM-24%DD-24.gz | 動(dòng)態(tài)解壓縮統(tǒng)計(jì)。
2. 對(duì)于IIS：缺省有比較好的日志按天截?cái)嘁?guī)則，但是IIS的日志格式比較不適合AWStats統(tǒng)計(jì)，
   因此最好直接去掉所有日志字段，然后嚴(yán)格按照以下列表設(shè)置
   
   • 日期 date
   • 時(shí)間 time
   • 客戶IP地址 c-ip
   • 用戶名 cs-username
   • 方法 cs-method
   • URI資源 cs-uri-stem
   • 協(xié)議狀態(tài) sc-status
   • 發(fā)送字節(jié)數(shù) sc-bytes
   • 協(xié)議版本 cs-version
   • 用戶代理 cs(User-Agent)
   • 參照 cs(Referer)
   相比IIS缺省設(shè)置：
   減少的有：
   
   • 服務(wù)器IP地址
   • 服務(wù)器端口
   • URI查詢
   增加的有：
   
   • 發(fā)送字節(jié)數(shù)
   • 協(xié)議版本
   • 參照 

配置文件的命名規(guī)則：awstats.sitename.conf

AWStats的主程序awstats.pl會(huì)自動(dòng)根據(jù)站點(diǎn)名調(diào)用相應(yīng)站點(diǎn)的配置文件：awstats.sitename.conf
比如：運(yùn)行./awstats.pl -config=chedong 調(diào)用的就是同目錄下的 awstats.chedong.conf 配置文件；
如果沒(méi)有指定-config，還會(huì)找當(dāng)前目錄下的awstats.conf或者/etc/awstats.conf作為缺省配置文件。
所以最好把缺省的awstats.model.conf 重命名成 awstats.yoursite.conf；比如：awstats.chedong.conf，

對(duì)于多個(gè)站點(diǎn)的統(tǒng)計(jì)，AWStats的配置文件包含功能還是非常有用的，我們可以把通用的配置放在一個(gè)文檔中，然后用(5.4版本以后開始支持) Include配置將通用配置包含在各個(gè)具體配置文件的頭部，然后用其他配置覆蓋通用配置中的相應(yīng)屬性，比如：
Include="common.conf"
LogFile="/path/to/bbs/access_log"
SiteName="bbs.chedong.com"

最少的配置文件修改：LogFile SiteDomain LogFormat

對(duì)于在GNU/Linux上統(tǒng)計(jì)Apache日志只需修改：LogFile SiteDomain這2個(gè)選項(xiàng)

1. GNU/Linux LogFile="/path/to/apache/logs/access_log.%YYYY-24%MM-24%DD-24"
   Windows 2000 LogFile="d:\iis_logs\W3SV3\ex%YY-24%MM-24%DD-24.log"
   這個(gè)配置的意思是用24小時(shí)前的年份，月份，日期拼出的日志文件名；
2. SiteDomain="www.chedong.com"
   站點(diǎn)的名稱，缺省是空的，如果為空，AWStats將拒絕運(yùn)行；
3. 對(duì)于統(tǒng)計(jì)IIS日志需要多修改一個(gè)：
   LogFormat=2
   缺省值是1：Apache日志，2是IIS日志

其他需要注意的事項(xiàng)：
AWStats缺省不過(guò)濾swf文件，會(huì)把.swf算成PageView，所以如果站點(diǎn)上swf文件主要是廣告的話最好還是要過(guò)濾掉：

日志分析

./awstats.pl -update -config=sitename -lang=cn
比如：./awstats.pl -update -config=chedong
會(huì)自動(dòng)調(diào)用awstats.chedong.conf這個(gè)配置文件

統(tǒng)計(jì)輸出

GNU/Linux    http://localhost/cgi-bin/awstats/awstats.pl?config=chedong
Windows 2000 http://localhost/awstats/awstats.chedong.html

日志統(tǒng)計(jì)自動(dòng)運(yùn)行

GNU/Linux上：crontab -e: 每天8點(diǎn)10分運(yùn)行
#update awstats
10 8 * * * (cd /path/to/apache/cgi-bin/awstats/; ./awstats.pl －update -config=chedong)

Windows 2000上：設(shè)置每天8點(diǎn)10分運(yùn)行
D:\Perl\bin\perl.exe d:\AWStats\tools\awstats_buildstaticpages.pl -update -config=chedong -lang=cn -dir=c:\inetpub\awstats\ -awstatsprog=d:\awstats\wwwroot\cgi-bin\awstats.pl

多站點(diǎn)日志統(tǒng)計(jì)

AWStats自帶了一個(gè)批處理工具：tools/awstats_updateall.pl，可以批量地遍歷一個(gè)目錄下所有地配置文件并運(yùn)行統(tǒng) 計(jì)。因此剩下的工作就主要是日志的同步問(wèn)題了。

針對(duì)多個(gè)站點(diǎn)，很多配置選項(xiàng)是重復(fù)的，如果每個(gè)配置文件都修改維護(hù)起來(lái)會(huì)很麻煩，AWStats從5.4版本開始提供了配置文件包含的功能，所以我們可 以配置一個(gè)通用配置，比如：common.conf

然后其他站點(diǎn)的配置設(shè)置為：可以通過(guò)后面的選項(xiàng)覆蓋和缺省不一致的配置。
awstats.bbs.chedong.conf
Include "chedong.common.conf"
LogFile "/path/to/bbs_log"
SiteName "bbs.chedong.com"

awstats.www.chedong.conf
Include "chedong.common.conf"
LogFile "/path/to/www_log"
SiteName "www.chedong.com"
HostAliases="chedong.com" 

統(tǒng)計(jì)指標(biāo)說(shuō)明

• 參觀者：按來(lái)訪者不重復(fù)的IP統(tǒng)計(jì)，一個(gè)IP代表一個(gè)參觀者；
• 參觀次數(shù)：一個(gè)參觀者可能1天之內(nèi)參觀多次（比如：上午一次，下午一次），所以按一定時(shí)間內(nèi)（比如：1個(gè)小時(shí)），不重復(fù)的IP數(shù)統(tǒng)計(jì)，參觀者 的訪問(wèn)次數(shù)；
• 網(wǎng)頁(yè)數(shù)：不包括圖片，CSS, JavaScript文件等的純頁(yè)面訪問(wèn)總數(shù)，但如果一個(gè)頁(yè)面使用了多個(gè)幀，每個(gè)幀都算一個(gè)頁(yè)面請(qǐng)求；
• 文件數(shù)：來(lái)自瀏覽器客戶端的文件請(qǐng)求總數(shù)，包括圖片，CSS，JavaScript等，用戶請(qǐng)求一個(gè)頁(yè)面是，如果頁(yè)面中包含圖片等，所以對(duì)服 務(wù)器會(huì)發(fā)出多次文件請(qǐng)求，文件數(shù)一般遠(yuǎn)遠(yuǎn)大于文件數(shù)；
• 字節(jié)：傳給客戶端的數(shù)據(jù)總流量；
• 來(lái)自REFERER中的數(shù)據(jù)：日志中的參考（REFERER）字段，記錄了訪問(wèn)相應(yīng)網(wǎng)頁(yè)之前地址，因此如果用戶是通過(guò)搜索引擎的搜索結(jié)果點(diǎn)擊 進(jìn)入網(wǎng)站的，日志中就會(huì)有用戶在相應(yīng)搜索引擎的查詢地址，這個(gè)地址中就可以通過(guò)解析將用戶查詢使用的關(guān)鍵詞提取出來(lái)：
  比如：
  2003-03-26 15:43:58 123.123.123.123 - GET /index.html 200 192 HTTP/1.1 Mozilla/4.0+(compatible;+MSIE+5.01;+Windows+NT+5.0) http://www.google.com/search?q=chedong
  AWStats在搜索引擎的關(guān)鍵短語(yǔ)和關(guān)鍵詞統(tǒng)計(jì)方面的功能還是比較完整的：可以對(duì)全世界3百多種機(jī)器爬蟲進(jìn)行識(shí)別，并且可以識(shí)別大部分主流國(guó)際化搜索引 擎和很多地區(qū)的本地語(yǔ)言搜索引擎。
  

Hacking AWStats

GeoIP 和 Geo::IPfree（awstats 5.5+）
GeoIP和Geo::IPfree都免費(fèi)的是國(guó)家/IP的影射表，比通過(guò)DNS反相解析域名得到的統(tǒng)計(jì)準(zhǔn)確，而且速度快。GeoIP的API都是免費(fèi) 的，缺省庫(kù)是免 費(fèi)的，收費(fèi)的是它的數(shù)據(jù)更新服務(wù)。Geo::IPfree不僅代碼是公開的，而且?guī)鞌?shù)據(jù)也是公開的。

GeoIP安裝：
先下載C庫(kù)：GeoIP C解包后
%./configure; make
#make install

然后下載Perl庫(kù)：GeoIP Perl解包后
%perl MakeFile.PL; make
#make install

Geo::IPfree安裝：
下載Geo::IPfree解 包后
%perl Makefile
%make
#make install

配置：通過(guò)在配置文件中啟用GEOIP相關(guān)插件：

LoadPlugin="geoip GEOIP_STANDARD /home/apache/chedong.com/cgi-bin/awstats/GeoIP.dat"
LoadPlugin="geoip_city_maxmind GEOIP_STANDARD /home/apache/chedong.com/cgi-bin/awstats/GeoLiteCity.dat"
 

MaxMind目前免費(fèi)提供了GeoIP和GeoIPCityLite數(shù)據(jù)包：可以定期每個(gè)月從以下地址下載

http://www.maxmind.com/download/geoip/database/GeoLiteCity.dat.gz
http://www.maxmind.com/download/geoip/database/GeoIP.dat.gz