前言
一个网站当用户量增大时候，不可避免有统计pv和uv的需求。
UV（Unique Visitor）：独立访客，以cookie为依据区分不同访客，UV计算一天之内（00:00-24:00），访问网站的访客数量。PV（Page View）：页面访问量，同一个用户对页面多次访问累计。本文介绍一种通过分析nginx日志统计pv、uv的方法。
一、方案设计
如何根据Nginx的访问日志统计pv和uv呢？
我们可以通过分析nginx的访问网站页面的日志来统计参数，比如一个单页应用的博客网站，用户访问/、/article_list、/article_detail都应该算作一次访问。
但是如果网站的路由不确定时候，就不好统计。当路由变化时候，需要更新统计脚本。而且，用户首次访问后才设置了cookie，所以首次页面请求是不带cookie的，这会导致漏报。另外，用cookie记录数据，由于是js写的cookie，所以需要保证同域访问，这就很不灵活。如果不是js写的cookie，那就说明依赖后端服务，也不够灵活。
所以我们采取的方法是前端上报页面访问事件。
首先前端生成一个uuid，向Nginx发起一个请求并携带uuid，Nginx会精确匹配这个请求，然后返回204，以减小数据传输量。
由于上报地址和页面是同域的，因此我们这里使用cookie保存uuid，如果不同域，还可以使用localStorage将uuid存在本地，然后在参数中将uuid带上。
Nginx收到上报后，根据我们指定的固定格式生成日志。我们还要设置定时任务，定期切割日志，以便分析日志时候以月和天为维度统计指标。
整体流程示意图如下：
二、上报访问事件
前端使用uuid这个库生成uuid，使用js-cookie对cookie进行读写，cookie有效期设置为30天，如果已经存在则不设置。
这里上报地址是“/report.gif”。为了避免上报请求被缓存，请求参数加一个时间戳。
// index.js import Cookies from js-cookie; import {v4 as uuidv4} from uuid; try { if (!Cookies.get(uuid)) { Cookies.set(uuid, uuidv4().replace(/-/g, ), {expires: 30}); } // 上报访问 axios.get(`https://www.example.com/report.gif?t=${Date.now()}`); } catch (e) {}Nginx需要配置响应
location =/report.gif { return 204; }三、Nginx配置日志格式
我们可以指定Nginx访问日志的格式，分析日志时候更方便。
注意，log_format指令只能用在http模块中，不能用在server模块中。
这里在http模块中通过log_format定义了一个格式，命名为main，然后在server模块中使用access_log定义访问日志的存放目录，并且引用main指定日志格式。server模块中还匹配了请求里面的cookie，取出uuid赋值给$uuid变量以便写日志时候能够正常读取uuid。
http { log_format main $remote_addr – [$time_local] “$request” – $status “uuid:$uuid” ; server { access_log /path/to/log/access443.log main; if ( $http_cookie ~* “uuid=([A-Z0-9]*)”){ set $uuid $1; } } }我们会得到这样的日志
101.241.91.99 – [04/May/2022:09:36:34 +0800] “GET /assets/vendor.337922eb.js HTTP/1.1” – 304 “uuid:a27050e998864af89de0fbc7605d1548”
101.241.91.99 – [04/May/2022:09:36:34 +0800] “GET /assets/style.81f77c22.css HTTP/1.1” – 200 “uuid:a27050e998864af89de0fbc7605d1548”
101.241.91.99 – [04/May/2022:09:36:34 +0800] “GET /assets/index.9c0fae7c.js HTTP/1.1” – 304 “uuid:a27050e998864af89de0fbc7605d1548”
101.241.91.99 – [04/May/2022:09:36:34 +0800] “GET /assets/quiz.5e3bb724.js HTTP/1.1” – 304 “uuid:a27050e998864af89de0fbc7605d1548”
101.241.91.99 – [04/May/2022:09:36:34 +0800] “GET /report.gif?id=0&t=1651628194189 HTTP/1.1” – 204 “uuid:a27050e998864af89de0fbc7605d1548”
101.241.91.99 – [04/May/2022:09:36:34 +0800] “GET /assets/logo.c5f2dde3.jpeg HTTP/1.1” – 200 “uuid:a27050e998864af89de0fbc7605d1548”
101.241.91.99 – [04/May/2022:09:36:34 +0800] “GET /favicon.ico HTTP/1.1” – 200 “uuid:a27050e998864af89de0fbc7605d1548”四、日志切割
为了方便统计我们希望把日志文件按时间分割，分割成这样的结构：
├── 2022
│ └── 05
│ └── 03.log按照年、月、日分层，每天生成一个日志。
实现思路是，先建立一个日志存放目录，每天的凌晨0点1分，将前一天的日志按照日期移动到日志目录中。然后再重新创建一个日志文件供Nginx写入。
先写一个脚本实现这个功能
log_split.sh
#!/bin/bash # 定位到脚本所在目录（注意我这里也是Nginx写访问日志的目录，当然这不是必须的） log_base=$(cd `dirname $0`; pwd) # 根据前一天的时间生成日志所在目录名 log_path=${log_base}/$(date -d yesterday +%Y)/$(date -d yesterday +%m) # 创建日志目录 mkdir -p $log_path # 将当前Nginx的日志移动到指定存放目录 mv $log_base/access443.log $log_path/$(date -d yesterday +%d).log # 重新创建日志文件，给Nginx写日志用 touch $log_base/access443.log # 给Nginx发送信号，注意你的Nginx目录可能不同 kill -USR1 `cat /www/server/nginx/logs/nginx.pid`值得注意的是，虽然移动完日志，并且重新创建，但是Nginx的文件引用还是移走的那个，所以最后要给Nginx发送信号，让它写到新的日志文件中。
脚本写完，我们还要定时（每天0点1分执行切割任务），这用到了Linux的crontab工具。
首先在控制台输入crontab -e打开编辑界面。然后输入1 0 * * * sh /path/to/log/log_split.sh。这个定时任务的意思是每天0点1分执行日志分割脚本，编辑完成后保存关闭，定时任务就生效了。
我们还可以通过crontab -l查看当前的定时任务；通过crontab -r移除当前的定时任务。
五、Nodejs脚本分析日志，统计PV、UV
有了日志，就很容易分析PV、UV。我们可以使用Linux命令分析，但我这次选择用Nodejs脚本来统计，原因是对JS更熟悉，另外相对Linux也更灵活。
分析的大概思路是根据每天的访问日志，过滤出report.gif这个上报请求，上报次数就是PV，然后根据uuid去重，得到UV。
统计脚本如下：
// stats.js const fs = require(fs); const path = require(path); const args = process.argv.slice(2); const [year] = args; // 打印统计结果 function echo() { yearDir = year || 2022; const stats = statsYearLog(yearDir); Object.entries(stats) .sort(([a], [b]) => a – b) .forEach(([month, dateStats]) => { console.log(`${month}月`); Object.entries(dateStats) .sort(([a], [b]) => a – b) .forEach(([date, {pv, uv}]) => { console.log( , `${date}日`, `pv: ${pv}`, `uv: ${uv}`); }); console.log(n); }); } // 统计某一年的数据 function statsYearLog(year) { // 读取目录下的文件夹名字 const dir = path.resolve(__dirname, year); const monthDirList = fs.readdirSync(dir); const logMap = monthDirList.reduce((result, monthDir) => { const monthStats = statsMonthLog(year, monthDir); result[monthDir] = monthStats; return result; }, {}); return logMap; } // 统计每个月的数据 function statsMonthLog(year, month) { const dir = path.resolve(__dirname, year, month); const dateLogList = fs.readdirSync(dir); const monthLogMap = dateLogList.reduce((result, dateLogFileName) => { const dateStats = statsDateLog(year, month, dateLogFileName); result[dateLogFileName.replace(.log, )] = dateStats; return result; }, {}); return monthLogMap; } // 统计某天的数据 function statsDateLog(year, month, dateFile) { const logPath = path.resolve(__dirname, year, month, dateFile); const logText = fs.readFileSync(logPath, utf-8); const logList = logText.split(n); const pvLogList = logList.filter((line) => { return /report.gif/.test(line) }); const uvLogMap = pvLogList.reduce((result, line) => { const match = line.match(/uuid:(S+)”/); if (match && match[1]) { result[match[1]] = 1; } return result; }, {}); return {pv: pvLogList.length, uv: Object.keys(uvLogMap).length}; } // 执行打印统计结果 echo();执行统计脚本node stats.js 2022
打印结果
05月
03日 pv: 1 uv: 1六、展望
后续可以考虑扩展现有能力，让Node实现日志切割的功能，并提供api和界面，可以可视化统计PV、UV。
暂无评论内容