2015百度一道面试题引发的思考（shell脚本和网络）

原文    http://blog.csdn.net/chhuach2005/article/details/40044863

前言

        百度2面出了这样一题（前篇博文求职之路中有提到），给你一个log文件，文件中有3列，分别为ip，访问时间， 和访问内容。你用shell脚本找出访问频率最高的10个IP。

        因为平时用shell脚本也就是配置些文件，自动化部署一些软件，突然遇到这个问题。还真不知道怎么弄呢，反正知道要排序，当时就没答出来。回来在网上找了下，网上有很多类似的解答。下面给出几种解答方式，一一道来啊。

一、log格式分析

        就利用ubuntu httpserver 安装配置（apache+mysql+php） 中部署的httpsever产生的log文件，目录为：/var/log/apache2/access.log .log格式如图1所示

图1 httpseverlog格式

二、解答

解答一

shell脚本：cat   /var/log/apache2/access.log | awk -F -  '{print $1}' | sort | uniq -c | sort -rn

或者直接：awk -F -  '{print $1}' /var/log/apache2/access.log | sort | uniq -c | sort -rn

awk -F -  '{print $1}'  是一行中以-为分隔符打印第一列；

sort  排序（默认是升序，降序用sort  -r）；

uniq -c 计数并去重（仅去重用uniq即可）

sort -rn 以计数降序排序

结果如图2所示第一列为访问次数 第二列是ip；

图2  找出访问量最大的几个IP

解答二

shell 脚本：cut  -d- -f 1 /var/log/apache2/access.log |sort| uniq -c | sort -rn | head -10

cut -d- -f 1 /var/log/apache2/access.log  其中-d-表示以 - 为分隔符； -f 1表示打印第一列

后面的和解答1都一样 无需解释，结果和解答一完全一样。

三、补充

下面再补充一点啊

1）列出某一ip访问了哪些页面

grep ^223.3.52.172  /var/log/apache2/access.log | awk '{print $1,$7}' | head -30

说明^223.3.52.172 表示以该ip开始的一行，后面的上面都解释过了

结果如图3所示

图3  某一ip访问过的页面

某一页面被访问的次数：grep "/file1"  /var/log/apache2/access.log  | wc -l

ip访问总量 ：awk -F -  '{print $1}'  /var/log/apache2/access.log | wc -l 

参考 http://www.jb51.net/article/53954.htm学习并列举一下哈

 1、查看当天有多少个IP访问：
 awk '{print $1}' log_file|sort|uniq|wc -l
 2、查看某一个页面被访问的次数;
 grep "/index.php" log_file | wc -l
 3、查看每一个IP访问了多少个页面：
 awk '{++S[$1]} END {for (a in S) print a,S[a]}' log_file
 4、将每个IP访问的页面数进行从小到大排序：
 awk '{++S[$1]} END {for (a in S) print S[a],a}' log_file | sort -n
 5、查看某一个IP访问了哪些页面：
 grep ^111.111.111.111 log_file| awk '{print $1,$7}'
 6、去掉搜索引擎统计当天的页面：
 awk '{print $12,$1}' log_file | grep ^\"Mozilla | awk '{print$2}' |sort | uniq | wc -l
 7、查看2009年6月21日14时这一个小时内有多少IP访问：
 awk '{print $4,$1}' log_file | grep 21/Jun/2009:14 | awk '{print$2}'| sort | uniq | wc -l