Linux中对文本分组统计排序

场景

有时候需要对一些日志进行分组统计排序，比如统计下nginx日志昨天的QPS是多少

原理

分析文本，取出目标信息，可以用cut，在进行分组统计，可以用awk，最后排序，可以用sort

实战

nginx access日志长下面这样

192.168.1.100 - - [13/Jan/2021:00:05:11 +0800] "POST /app/images/logo.png HTTP/1.1" 200 3430 "-" "Jakarta Commons-HttpClient/3.1" "-" "0.106" "0.106"

192.168.1.105:8080"192.168.1.100 - - [13/Jan/2021:00:05:11 +0800] "POST /app/images/logo.png HTTP/1.1" 200 3430 "-" "Jakarta Commons-HttpClient/3.1" "-" "0.106" "0.106" 

分析一下：要统计QPS，只要把时间13/Jan/2021:00:05:11取出来分组统计就可以了

取时间cut

用cut命令，-c20-39意思是从第23取到39，不知道具体是多少就要个测，前面最好加一个head -n 10表示取首10行，否则日志太大终端直接卡死。

head -n 10 access_bak_2021-01-13.log | cut -c20-39

13/Jan/2021:00:05:11

13/Jan/2021:00:05:11

13/Jan/2021:00:05:11

13/Jan/2021:00:05:14

13/Jan/2021:00:05:14

13/Jan/2021:00:05:14

13/Jan/2021:00:05:15

13/Jan/2021:00:05:15

13/Jan/2021:00:05:15

13/Jan/2021:00:05:15

分组统计awk

a[$1]+=1表示对第一列而言，遇到一样的就加一个1，反正对于只有一列的分组统计来说直接加后面这一坨就对了：awk '{a[$1]+=1}END{for (i in a)print i,a[i]}'

head -n 10 access_bak_2021-01-13.log | cut -c20-39 | awk '{a[$1]+=1}END{for (i in a)print i,a[i]}'

13/Jan/2021:00:05:11 3

13/Jan/2021:00:05:14 3

13/Jan/2021:00:05:15 4

到这里其实统计效果已经出来了

排序sort

sort命令中

-n表示以数值计算，否则sort会认为2比10大，因为2比1大嘛，这是sort的一贯作风

-r表示逆序，不加表示顺序

-k2表示以第2列来排序 当然你也可以写成-nrk2，所以最后就是下面这种效果

head -n 10 access_bak_2021-01-13.log | cut -c20-39 | awk '{a[$1]+=1}END{for (i in a)print i,a[i]}' | sort -n -r -k2

13/Jan/2021:00:05:15 4

13/Jan/2021:00:05:14 3

13/Jan/2021:00:05:11 3

后记

实际中可能是这样的，后面加个 | more当数据太多的时候使用

cat access_bak_2021-01-13.log | cut -c20-39 | awk '{a[$1]+=1}END{for (i in a)print i,a[i]}' | sort -n -r -k2 | more

也可能是这样的，最前面加一个grep用于最基本的筛选，比如你的nginx中多个应用或者你仅仅想统计某个path的时候

grep 'app' access_bak_2021-01-13.log | cut -c20-39 | awk '{a[$1]+=1}END{for (i in a)print i,a[i]}' | sort -n -r -k2 | more