高效解析PHP中的Apache日志

Question

好的，这是一个场景:我需要解析我的日志，找出有多少次图片缩略图被下载了，而没有真正看到“大图像”页面.这基本上是一个基于“拇指”和“完整”图像视图比例的热链接保护系统。

考虑到服务器经常受到对缩略图的请求的轰炸，最有效的解决方案似乎是使用缓冲的apache日志，每隔1 1Mb写一次磁盘，然后定期解析日志。

我的问题是:如何在PHP中解析apache日志以保存数据，其中如下所示：

• 日志将被实时使用和更新，我需要我的PHP脚本能够在此过程中读取它
• php脚本必须“记住”它读取的日志的哪一部分，这样才不会重复读取同一部分并扭曲数据。
• 内存消耗应该是最小的，因为日志可以在几个小时内轻松地达到10 of的数据。

php记录器脚本将每60秒调用一次，并在此期间处理尽可能多的日志行。

我尝试将一些代码合并在一起，但是我在使用最小内存时遇到了问题，我找到了一种用“移动”文件大小来跟踪指针的方法

下面是日志的一部分：

212.180.168.244 - - [18/Jan/2012:20:06:57 +0100] "GET /t/0/11/11441/11441268.jpg HTTP/1.1" 200 3072 "-" "Opera/9.80 (Windows NT 6.1; U; pl) Presto/2.10.229 Version/11.60" "-"
122.53.168.123 - - [18/Jan/2012:20:06:57 +0100] "GET /t/0/11/11441/11441276.jpg HTTP/1.1" 200 3007 "-" "Opera/9.80 (Windows NT 6.1; U; pl) Presto/2.10.229 Version/11.60" "-"
143.22.203.211 - - [18/Jan/2012:20:06:57 +0100] "GET /t/0/11/11441/11441282.jpg HTTP/1.1" 200 4670 "-" "Opera/9.80 (Windows NT 6.1; U; pl) Presto/2.10.229 Version/11.60" "-"

在这里附加供您审阅的代码：

<?php
//limit for running it every minute
error_reporting(E_ALL);
ini_set('display_errors',1);
set_time_limit(0);
include(dirname(__FILE__).'/../kframework/kcore.class.php');
$aj = new kajaxpage;
$aj->use_db=1;
$aj->init();
$db=kdbhandler::getInstance();
$d=kdebug::getInstance();
$d->debug=TRUE;
$d->verbose=TRUE;

$log_file = "/var/log/nginx/access.log"; //full path to log file when run by cron
$pid_file = dirname(__FILE__)."/../kframework/cron/cron_log.pid";
//$images_id = array("8308086", "7485151", "6666231", "8343336");

if (file_exists($pid_file)) {
    $pid = file_get_contents($pid_file);
    $temp = explode(" ", $pid);
    $pid_timestamp = $temp[0];
    $now_timestamp = strtotime("now");
    //if (($now_timestamp - $pid_timestamp) < 90) return;
    $pointer = $temp[1];
    if ($pointer > filesize($log_file)) $pointer = 0;
}
else $pointer = 0;

$pattern = "/([0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3})[^\[]*\[([^\]]*)\][^\"]*\"([^\"]*)\"\s([0-9]*)\s([0-9]*)(.*)/";
$last_time = 0;
$lines_processed=0;

if ($fp = fopen($log_file, "r+")) {
    fseek($fp, $pointer);
    while (!feof($fp)) {
        //if ($lines_processed>100) exit;
        $lines_processed++;
        $log_line = trim(fgets($fp));
        if (!empty($log_line)) {
            preg_match_all($pattern, $log_line, $matches);
            //print_r($matches);
            $size = $matches[5][0];
            $matches[3][0] = str_replace("GET ", "", $matches[3][0]);
            $matches[3][0] = str_replace("HTTP/1.1", "", $matches[3][0]);
            $matches[3][0] = str_replace(".jpg/", ".jpg", $matches[3][0]);
            if (substr($matches[3][0],0,3) == "/t/") {
                $get = explode("-",end(explode("/",$matches[3][0])));
                $imgid = $get[0];
                $type='thumb';
            }
            elseif (substr($matches[3][0], 0, 5) == "/img/") {
                $get1 = explode("/", $matches[3][0]);
                $get2 = explode("-", $get1[2]);
                $imgid = $get2[0];
                $type='raw';
            }
            echo $matches[3][0];
            // put here your sql insert or update
            $imgid=(int) $imgid;
            if (isset($type) && $imgid!=1) {
                switch ($type) {
                    case 'thumb':
                        //use the second slave in the registry
                        $sql=$db->slave_query("INSERT INTO hotlink SET thumbviews=1, imageid=".$imgid." ON DUPLICATE KEY UPDATE thumbviews=thumbviews+1 ",2);
                        echo "INSERT INTO hotlink SET thumbviews=1, imageid=".$imgid." ON DUPLICATE KEY UPDATE thumbviews=thumbviews+1";
                    break;
                    case 'raw':
                        //use the second slave in the registry
                        $sql=$db->slave_query("INSERT INTO hotlink SET rawviews=1, imageid=".$imgid." ON DUPLICATE KEY UPDATE rawviews=rawviews+1",2);
                        echo "INSERT INTO hotlink SET rawviews=1, imageid=".$imgid." ON DUPLICATE KEY UPDATE rawviews=rawviews+1";
                    break;
                }
            }

            // $imgid - image ID
            // $size - image size

            $timestamp = strtotime("now");
            if (($timestamp - $last_time) > 30) {
                file_put_contents($pid_file, $timestamp . " " . ftell($fp));
                $last_time = $timestamp;
            }
        }
    }
    file_put_contents($pid_file, (strtotime("now") - 95) . " " . ftell($fp));
    fclose($fp);
}

?>

Answer 1

也许您可以调整我的PHP版本的尾，以搜索您的最后一个时间戳，而不是数行，然后从这一点读行，处理它们一个又一个？

• 尾处理大文件

我会自己试一试，因为我有点好奇，但不幸的是，现在做不到。

Answer 2

一个解决方案是将日志存储到mysql数据库中。也许您可以在mysql中存储日志文件之后，编写一个C语言程序来解析日志文件。这将是一个更快的震级，也不是很困难。另一个选择是使用phyton，但我认为使用数据库是必要的。可以使用全文索引来匹配字符串。Python也可以编译成二进制文件。这使它更有效率。根据请求:日志文件堆栈增量。这并不是说你一次就给10 at。

Answer 3

我会亲自将日志条目发送到正在运行的脚本中。Apache将通过使用管道启动日志的文件名来允许这一点。如果这不起作用，您也可以创建一个fifo (参见mkfifo)。

正在运行的脚本(不管它是什么)可以缓冲x行，并在此基础上执行它需要做的事情。读取数据并不那么困难，也不应该成为瓶颈。

我确实怀疑您在数据库中的INSERT语句会遇到问题。