|
网站日志的数据分析重点是运用关联工具进行，工具类型亦有非常多。
网页版能够用拉格好（www.loghao.com），桌面版能够用爱站或光年，亦能够运用shell分析日志。。。
分析日志的功效有非常多，能够概括几点：
1.认识蜘蛛对页面的抓取状况，恰当分配网站内链，优化抓取路径；
2.统计栏目页面的流量数据状况，对其做相应的策略调节（例如数据下降，能够分析原由，对另一一个栏目页面做AB测试进行观察等等）；
3.提取出404页面，提交给百度进行处理；
4.倘若是网站被黑，能够分析日志查看网站操作记录，以及找出假的百度蜘蛛IP等；
将日志文件下载至本地，我这儿是宝塔，通常在www根目录能够找到日志文件。
运用网页版功能有限，只能看出来蜘蛛的抓取数量和返回代码状况，如图：
关于蜘蛛数量那里应该都看得懂，顺便解释下上面表示的低权重IP和权重IP（大神略过，据述科普）。
据述，百度创始败兴，对蜘蛛是有归类的，有的蜘蛛专门抓取照片，有的专门抓取视频，有的专门抓取内容。。。。
这些ip统叫作为低权重ip（我亦不晓得哪里听来的），专门抓取新站或是低质量的页面，新站这里时期应该这个类型123.125.71.*的ip，来的频率会灰常多。
123.125.71.95
123.125.71.97
123.125.71.117
123.125.71.71
123.125.71.106
那倘若是一个老网站，这个频率的ip忽然增多，那就要重视了，很有可能在被K或是降权的边缘。。。。
这个ip上面表示隔日快照，意思便是被他抓取过的页面，不出意外次日都会被收录，或快照会有更新。
220.181.108.95
这些ip叫作为所说的“高权重ip”，即220.181.108.*，被她们抓取过的页面，收录速度和更新速度都会火速。
220.181.108.75
220.181.108.92
220.181.108.91
220.181.108.86
220.181.108.89
220.181.108.94
220.181.108.97
220.181.108.80
220.181.108.77
220.181.108.83
好的，ip段普及完了。。。。
在来瞧瞧左侧，能够看到一大串代码段。
其实咱们截取一个完整的字段是这般的：
123.125.71.12 - - [07/May/2019:11:21:56 +0800] GET /gzjysc/83.html HTTP/1.1 200 8274 - Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)
一个个来看，都是什么意思。。。。
123.125.71.12：拜访的ip；
07/May/2019:11:21:56 +0800：拜访的时间段；
GET /gzjysc/83.html：拜访的URL；
HTTP/1.1：网站的请求协议；
200：网站返回状态码；
Baiduspider/2.0; +http://www.baidu.com/search/spider.html：暗示这是一个真实的百度蜘蛛；
ok，基本数据概念解释就到这儿，接下来瞧瞧从日志文件里能得到那些信息。
运用光年日志分析工具能够得出以下信息：
蜘蛛抓取量，百度抓取最多，其次是搜狗，发掘这儿居然无360的蜘蛛，去设置里添加个360 Spider重新分析就能够了。
目录最多的抓取数量表示，每一个蜘蛛抓取的目录次数是区别的，能够看到百度对/spmn/目录抓取最多，其实这个亦不意外。。。由于这个目录页面的重要词排名最好！
另一还能够瞧瞧404页面，把这些404的url放在一个txt文档里，取名silian，上传到根目录提交到百度站长平台就可。
其它的数据能够自己瞧瞧哈！
以上的办法针对分析普通的小公司站日志已然足够了，金花日志工具能够满足大部分的需求。
那针对有些日志文件比很强，不适合用工具的能够运用shell分析网站日志（以下纯属装X，能够略过）。
首要是打开日志文件。
分析蜘蛛抓取最多的页面：
cat your.log | grep Baiduspider/2.0 | awk {print $7} | sort | uniq -c | sort -nr | head -10
能够看出，还是/spmn这个页面抓取的最多。。。。接下来才是首页。
找了些非200状态码的页面url：
cat test.log | grep Baiduspider/2.0 | awk {if($9!="200"){print $7,$9}} | sort | uniq -c | sort -nr
能够看到有那些404、304等等状态的页面。。。。尤其是找出404页面，按照以上说到的办法进行处理。
忽然想到鲁迅先生说的：数据本身是没卵用的，分析数据，才是价值所在。
| 
发表于 2024-7-4 01:40:23
