前言
哈喽，大家好，我是asong。这是我的第十一篇原创文章。这周工作的时候接到了一个需求，需要对一个日志文件进行分析，分析请求次数以及耗费的时间平均时间等信息，整理成excel表格，方便分析做优化。刚拿到这个需求的时候，着实有点懵逼。那么多日志，我该怎么分析呢？该使用什么工具去分析呢。最后还要生成excel表格。哇，给我愁坏了。所以我开始并没有直接去做需求，而是去查资料、问同事、朋友，怎么做日志分析。确实搜到了一些日志分析的方法：awk、python。无疑是用脚本来做。但是我对这些不太熟悉呀，而且只有一下午的时间去做。最后我选择了使用golang来做。相比于其他，我对golang更熟悉。确定了语言，我就开始分析日志了，下面我就来详细介绍一下我是怎么使用go完成的日志分析，并成功生成excel表格。
代码已上传GitHub，可自行下载学习。传送门
前期准备
因为公司的log不能在这里直接展示，所以本次教程我自己生成了几个测试log。
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
这些log正常都在一行的，因为markdown显示问题，显示了多行。
日志分析
分析之前，先看一下我们的需求：分析每个请求的次数，查询参数，平均时间。
确定了需求，下面我们开始对日志进行分析。每一行代表一个完整的日志请求。每一行日志都是一个json字符串，这样看起来确实不方便，我们格式化一下来看一下。
{
"httpRequest":{
"request":"method:post,path:/api/user/login"
},
"params":{
"query":"username=asong&password=123456"
},
"timings":{
"evalTotalTime":0.420787431
}
}
这样看起来就很方便了，层次结构一眼就能看出来。我们要统计请求的次数，可以通过requrst这个字段判断是否是同一个请求。query这个字段代表的是查询参数，evalTotalTime这个字段需要求和，然后求出平均数。日志分析好了，下面就是实现部分了。
代码实现
代码实现日志分析
这里我使用一个map来存放不同的请求，以请求作为key，请求次数、时间等作为value，不过这里存的时间所有请求的时间和，统计好所有请求次数与时间和后再计算平均时间。这样所有分析好的数据就都在map里了，最后可针对这个map进行excel导出，是不是很完美，哈哈。
- 定义map，需要统计的字段用struct封装。
var (
result map[string]*requestBody
analysis map[string]*requestBody
)
type requestBody struct {
count int32
query string
time float64
}
- 因为日志文件中一行代表一个完整的日志，所以我们可以按行读取日志，然后分析处理。
func openFile() *os.File {
file,err := os.Open("./request.log")
if err != nil{
log.Println("open log err: ",err)
}
return file
}
func logDeal(file *os.File) {
// 按行读取
br := bufio.NewReader(file)
for{
line,_,err := br.ReadLine()
// file read complete
if err == io.EOF{
log.Println("file read complete")
return
}
//json deal
var data interface{}
err = json.Unmarshal(line,&data)
if err != nil{
fmt.Errorf("json marshal error")
}
deal(data)
}
}
- 按行读取好数据后，开始对每一条日志进行分析，提取字段。可以使用golang的json.Unmarshal，配合类型断言，分析出每一个字段做处理。
func deal(data interface{}) {
var request string
var query string
var time float64
value,ok := data.(map[string]interface{})
if ok{
for k,v := range value{
if k == "httpRequest"{
switch v1 := v.(type) {
case map[string]interface{}:
for k1,v11 := range v1{
if k1 == "request"{
switch val := v11.(type) {
case string:
request = val
//fmt.Println(request)
}
}
}
}
}
if k == "params"{
switch v1 := v.(type) {
case map[string]interface{}:
for k1,v11 := range v1{
if k1 == "query"{
switch val := v11.(type) {
case string:
query = val
//fmt.Println(query)
}
}
}
}
}
if k == "timings"{
switch v1 := v.(type) {
case map[string]interface{}:
for k1,v11 := range v1{
if k1 == "evalTotalTime"{
switch val := v11.(type) {
case float64:
time = val
// fmt.Println(time)
}
}
}
}
}
}
b := &requestBody{
query: query,
time: time,
}
if _,o := result[request];o{
b.count = result[request].count + 1
b.time = b.time + result[request].time
result[request] = b
}else {
b.count = 1
result[request] = b
}
}
}
- 统计好所有的请求次数与请求时间和后，我们还需要进一步处理，得到每次请求的平均时间。
//analysis data
func analysisBody() {
for k,v := range result{
req := &requestBody{}
req.time = v.time / float64(v.count)
req.count = v.count
req.query = v.query
analysis[k] = req
}
}
分析好了日志后，下面我们开始导出excel。
倒出excel文件
这里使用的是excelize库。首先进行安装：
go get github.com/360EntSecGroup-Skylar/excelize
excelize 详细的文档请点击：https://xuri.me/excelize/zh-hans/。这里就不讲解具体的使用方法了，直接上代码了。可以推荐一个博客，我也是在这上面学习的。传送门。这个库还可以合并单元格，更多玩法，欢迎解锁。
导出代码示例如下：
type cellValue struct {
sheet string
cell string
value string
}
//export excel
func exportExcel() {
file := excelize.NewFile()
//insert title
cellValues := make([]*cellValue,0)
cellValues = append(cellValues,&cellValue{
sheet: "sheet1",
cell: "A1",
value: "request",
},&cellValue{
sheet: "sheet1",
cell: "B1",
value: "count",
},&cellValue{
sheet: "sheet1",
cell: "C1",
value: "query",
},&cellValue{
sheet: "sheet1",
cell: "D1",
value: "avgTime",
})
index := file.NewSheet("Sheet1")
// 设置工作簿的默认工作表
file.SetActiveSheet(index)
for _, cellValue := range cellValues {
file.SetCellValue(cellValue.sheet, cellValue.cell, cellValue.value)
}
//insert data
cnt := 1
for k,v := range analysis{
cnt = cnt + 1
for k1,v1 := range cellValues{
switch k1 {
case 0:
v1.cell = fmt.Sprintf("A%d",cnt)
v1.value = k
case 1:
v1.cell = fmt.Sprintf("B%d",cnt)
v1.value = fmt.Sprintf("%d",v.count)
case 2:
v1.cell = fmt.Sprintf("C%d",cnt)
v1.value = v.query
case 3:
v1.cell = fmt.Sprintf("D%d",cnt)
v1.value = strconv.FormatFloat(v.time,'f',-1,64)
}
}
for _,vc := range cellValues{
file.SetCellValue(vc.sheet,vc.cell,vc.value)
}
}
//generate file
err := file.SaveAs("./log.xlsx")
if err != nil{
fmt.Errorf("generate excel error")
}
}
结果展示
怎么样，还可以吧，我们可以看到请求次数与平均时间，一目了然。
总结
我也是第一次使用go进行日志分析。总体来说还是挺方便的。最主要是导出excel真的很方便。你学会了吗？没学会不要紧，我的示例代码已上传github，可自行下载学习，如果能给一个小星星就更好了呢。传送门地址。
我是asong，一名普普通通的程序猿，让我一起慢慢变强吧。欢迎各位的关注，我们下期见~~~
推荐往期文章：
