我有几个服务器的 apache 访问日志（多个服务器服务于同一个域）。计算给定时间段内唯一访问者的最简单方法是什么。我使用的是 linux，因此 linux 环境解决方案是首选
我现在不想安装 AWStats 只是为了获取数字。或者这真的是最简单的方法吗？
答案1
您无法从访问日志中确定实际的唯一人类访问者。如果您想假设每个唯一的客户端 IP 地址都是一个唯一的访问者，那么您只需输入您想要的时间段内的所有日志cut -d ' ' -f 1 |sort -u |wc -l（假设标准日志格式中客户端 IP 是第一个字段）。这不考虑监控、蜘蛛、NAT、代理或动态 IP 地址，但如果不花费比设置 awstats 更多的时间，您就无法做得更好。
答案2
使用 Apache 访问日志来跟踪唯一访问者比较困难，但如果您想要一个可以使用 shell 进行的快速粗略测量，我已经使用并测试了以下内容。
因此，从 11 月到现在的 3 天来看，Analytics 估计我的网站共有 1,586 位独立访客。
这篇 shell 文章给我带来了 1402 位访客，考虑到所有因素，这个数字并不低。总而言之，日志很难阅读，但这篇文章很粗糙，而且相对较快
这只适用于 Apache 的组合格式，如果你的工作不是这种格式，则需要对其进行修改
我在这里将其格式化为多行，以便更好地解释它。
awk -F'"' '{print $1,$6}' < log | \
sed -e 's/\[\([0-9]\+\/[A-Za-z]\+\/[0-9]\+\).*\]/\1/' | \
awk '{print $4, $0}' | \
sort | uniq | \
awk '{print $1}' | \
uniq -c
第 1 行：从访问日志中打印客户端的 IP、时间戳和用户代理
第 2 行：删除时间戳的“时间”部分，以便我们可以按日期对行进行分组
第 3 行：将日期移至行首，以便我们可以按日期排序（这对于单个日志文件来说不是必需的，但您可以修改脚本以使用多个文件并按日期排序，这很有帮助）
第 4 行：sort | uniq 基本上对所有行进行排序并删除重复项（即，来自同一 IP、同一天使用同一用户代理的多次点击现在计为 1 次点击 - 这就是魔力）
第 5 行：仅打印日期部分
第 6 行：使用 uniq 计数函数按日期对这些行进行分组，并告诉我们其中有多少行
示例输出：
538 16/Nov/2009
559 17/Nov/2009
305 18/Nov/2009
它非常粗糙，但是简单、快捷，并且易于合并多个日志文件。