阅读 870
使用go进行日志分析并生成excel,再也不担心做日志分析了

使用go进行日志分析并生成excel,再也不担心做日志分析了

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}}

复制代码

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
    }
}
复制代码

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
}
复制代码
  • 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)
	}
}
复制代码
  • 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
		}
	}
}
复制代码
  • 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
	}
}
复制代码

分析好了日志后,下面我们开始倒出excel。

导出excel文件

这里使用的是excelize库。首先进行安装:

go get github.com/360EntSecGroup-Skylar/excelize
复制代码

excelize 详细的文档请点击:xuri.me/excelize/zh…

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")
	}
}
复制代码

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~~~ 获取2020gin最新官方中文文档,请关注公众号,后台回复:gin,即可获取。

推荐往期文章:

文章分类
后端
文章标签