陰差陽錯的做的日誌分析，前途未卜的這段日子，唯一還有點意思的可能就是手動的處理大量日誌。總結一下。
日誌檔案的輸入是動則幾個g的文字。從n個這樣的檔案中得到乙個列表，乙個數字，乙個比例。在什麼工具都沒有情況下，用shell命令不僅是驗證系統資料的準確性的方法，也是乙個很好的學習過程。
下面的一行典型的apache訪問日誌：
如果需要得到ip位址可以使用cut命令
cat log | cut -d ' ' -f1
-d ' '表示按照空格將行切開，-f1取第乙個字段，這樣得到的結果就是ip列表
有時候拿到的檔案是\t分隔，也可以使用cut切開，只不過需要多寫乙個$
[l]$ cat log | cut -d '\t' -f1 cut: the delimiter must be a single character #-d '\t'會報錯的 cut -f2 -d$'\t' infile #work
-c:complement，用set2替換set1中沒有包含的字元
-d:delete，刪除set1中所有的字元，不轉換
-s: squeeze-repeats，壓縮set1中重複的字元
-t: truncate-set1，將set1用set2轉換，一般預設為-t
如果拿到分割的檔案
cat log | tr -s ' ' ','zzx@zzx103:~/dhcptest$ echo "aaacccddd ss " | tr -s [a-c] # -s
acddd ss
zzx@zzx103:~/dhcptest$ echo "aaacccddd ss " | tr -s " " "," #d和s之間有2個空格，替換後壓縮重複
aaacccddd,ss,
zzx@zzx103:~/dhcptest$ echo "aaacccddd ss " | tr -t " " ","
aaacccddd,,ss,
zzx@zzx103:~/dhcptest$ echo "aaacccddd ss " | tr -s "a" "b" #替換後壓縮重複
bcccddd ss
將空格替換成,檔案變成csv
cat log | tr -d ' '
上面的命令直接刪除空格
日誌處理後經常會出現空行，tr命令去掉空行的原理就是將連續兩個換行替換成乙個換行
cat log | tr -s '\n\n' '\n'
試想得到ip列表，欲得到獨立訪問的ip列表。
[l]$ cat log | cut -d ' ' -f1 | uniq -u
如果不僅僅是去重，還想統計每個ip訪問次數，可以加乙個引數c
[l]$ cat log | cut -d ' ' -f1 | uniq -uc
得到的格式形如：
1 126.193.38.128 5 49.98.156.154
前面的數字就是出現的次數
awk/seed是處理日誌的最終的萬金油。確實是什麼都可以做。awk/seed是一門很大的學問。這裡取我碰到的乙個日誌，日誌格式形如：
display=wvga|||lang=ja_jp|||isactive=1|||pixel=720x1280|||density=2.0|||version=5.7|||key=5146f54950f09f71750005ef|||out=abc'3|||uid=1
如果我需要得到isactive=1的日誌行，取到out=中'前一段，如上面的abc。
cat l | grep "isactive=1|" | awk 'match($0,/out=[^\x27]+/)'
grep的功能是篩選isactive=1的行。awk 後面跟''的是awk語言。$0總是代表當前匹配的字段值，match substr是awk可以用的函式，當match時後面{}中的**才會執行。當match，$0就是正則匹配的部分。rstart,rlength是awk可以使用的常量，分別表示開始匹配的開始下標，rlength是匹配的長度。
在''中需要再使用'光轉義是不行的，得用16進製制的**\x27。轉16進製制可以使用python**"'".encode("hex")得到
//驚訝awk就這麼簡單的解釋了，可這連入門都算不上。
試想我想得到兩個列表的交際，並集，差集，統計中經常會碰到，比如我想獲得昨天今天都在訪問的ip，其實就是今天的ip列表和昨天ip列表的交集。
先定義兩個簡單的檔案：
[ l]$ cat a.txt 1 2 3 4 5 [ l]$ cat b.txt 4 5 6 7 8 9
如果想得到ab的交集4 5 ,可以使用下面的命令：
sort -m a.txt b.txt | uniq -d 4 5
如果要得到並集1-9，可以：
sort -m a.txt b.txt | uniq 1 2 3 4 5 6 7 8 9
如果想得到ab的差集，即a去掉ab的交集1 2 3
comm -23 a.txt b.txt 1 2 3
同理：ba的差集：
comm -13 a.txt b.txt comm -23 b.txt a.txt
上述兩個命令等價
comm命令就是compare功能，如果什麼引數都不帶呢得到的什麼呢？
comm a.txt b.txt 1 2 3 4 5 6 7 8 9
diff命令以前經常看**改了哪些：
diff a.txt b.txt 1,3d0 < 1 < 2 < 3 5a3,6 > 6 > 7 > 8 > 9
竊以為能玩轉上面這些命令，處理個日誌問題不大了。
一篇介紹shell中集合操作的博文：
一直放在收藏夾的shell方面的部落格：
linux shell常用技巧
linux shell高階技巧 awk部分寫的獨好
Shell中一些簡單操作
為建立 echo hello shell out.txt 為追加 echo hello shell out.txt 當out.txt 文字不存在時,與 都會預設建立out.txt文字，並將hello shell 字串儲存到out.txt中 當out.txt文字存在時，會將out.txt文字中的內容清...
Shell指令碼中一些常用命令
1 pwd cat jdbc file grep password awk f 就是說輸入文字是通過冒號 來區分欄位的，如果你不用 f宣告分隔符，那麼awk預設是用空格 tab來分隔欄位的。比如你有 a.txt，內容是 hello world this is world 如果你用 awk a.txt...
Shell中一些特殊的變數
0 獲取當前執行shell的指令碼名。n獲取當前shell第n個引數，當大於9時，則用花括號括起來，例如 接的引數一空格隔開 獲取當前執行shell指令碼後面接的引數的個數 獲取當前shell指令碼所有傳參的引數。不加引號和 相同 如果加 上引號，如 相同。如果加上引號，如 相同。如果 加上引號 如...