【临实战】使用 Python 处理 Nginx 日志

• 有 14 台机器（意味着我们有 14 份日志）
• 一台可以连到这 14 太机器的机器（有Python 2.6）

• 获取 14 台机器上某时间段内的包含某特征的日志，再取出其中的特定内容

1. 使用 pssh 工具在 14 台机器执行 grep 命令获取包含某特征的日志
2. 将 14 份日志作为标准输入传给 Python 脚本
3. Python 解析 stdin（标准输入），将日期转化为 Python 中的日期格式，判断之后将符合条件的特定内容取出并输出到 stdout（标准输出）

# 安装 pssh 工具
pip install pssh
# 使用 pssh 工具
pssh -l root -h RS_bj_14.txt -o result "grep some_tag /data/logs/api.log"

• -l 的意思是使用哪个用户执行
• -h 是指定主机列表文件（换行隔开）
• -o 是指定执行结果保存的文件夹
• 最后是需要执行的命令

红色执行失败的的那两台机器未包含符合我们筛选条件的日志

cat result/* | ./ab-result-format.py 15 15 00 10 > result_we_want.log

#!/usr/bin/python
import sys
import time

format = '%Y-%m-%dT%H:%M:%S+08:00'

h_start = int(sys.argv[1])
h_end = int(sys.argv[2])
m_start = int(sys.argv[3])
m_end = int(sys.argv[4])

stdin = sys.stdin.read().strip()
line_list = stdin.split('\n')
for item in line_list:
    infos = item.split()
    time_object = time.strptime(infos[0], format)
    if h_start <= time_object.tm_hour <= h_end \
and m_start <= time_object.tm_min <= m_end:
        print infos[8], infos[3], infos[4]

为了方便查看，日志格式和日志中的空格都用换行代替

$time_iso8601
$remote_addr
$host
$request_time 
$upstream_response_time 
$request 
$status 
$upstream_addr
$session_id;

2017-12-19T00:03:57+08:00 
2003:da8:2004:1000:***:ffd2:f0:9b1c 
[2003:da8:2004:1000:****:ffaa:00f0:9b1c] 
0.454 
0.448 
POST 
/?Action=SubmitSyncTaskWithData
HTTP/1.1 
200 
[2003:da8:2004:1000:****:dd8b:00b7:38ae]:8080
f228d3941798f0d92c877a92a265f679

• 接受 4 个参数，分别是起始的小时和分钟，备用
• 读取标准输入 sys.stdin.read()，去掉头尾无用的字符 strip()，循环处理每行日志
• 拆分每行日志 split()
• 将时间字符串转为时间对象，根据 4 个参数判断小时和分钟（这里处理的比较粗糙，跨小时就没办法处理了，有兴趣的读者可以做的更精细一点）
• 时间条件符合，打出需要的部分（这里我需要的是 session_id， request_time， upstream_response_time 所以我们print infos[8], infos[3], infos[4]注：Python 的 print 就是标准输出