【大数据】|大数据基础--------------awk基础及案例

最新推荐文章于 2025-01-12 22:21:40 发布

原创最新推荐文章于 2025-01-12 22:21:40 发布 · 272 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#shell #awk

大数据专栏收录该内容

2 篇文章

订阅专栏

1 案例1：使用awk提取文本

1.1 问题
本案例要求使用awk工具完成下列过滤任务：
练习awk工具的基本用法
提取本机的网卡流量、根分区剩余容量、获取SSH远程失败的IP地址
格式化输出/etc/passwd文件中的用户名、UID、宿主目录信息
1.2 步骤
实现此案例需要按照如下步骤进行。
步骤一：awk文本过滤的基本用法
1）基本操作方法
格式：awk [选项] ‘[条件]{指令}’ 文件
其中，print 是最常用的编辑指令；若有多条编辑指令，可用分号分隔。
Awk过滤数据时支持仅打印某一列，如第2列、第5列等。
处理文本时，若未指定分隔符，则默认将空格、制表符等作为分隔符。
直接过滤文件内容：
[root@svr5 ~]# cat test.txt
hello the world
welcome to beijing
[root@svr5 ~]# awk ‘{print $1,$3}’ test.txt //打印文档第1列和第3列
hello world
welcome beijing
结合管道过滤命令输出：
[root@svr5 ~]# df -h | awk ‘{print $4}’ //打印磁盘的剩余空间
2）选项 -F 可指定分隔符
输出passwd文件中以分号分隔的第1、7个字段，显示的不同字段之间以逗号隔开，操作如下：
[root@svr5 ~]# awk -F: ‘{print $1,$7}’ /etc/passwd
root /bin/bash
bin /sbin/nologin
daemon /sbin/nologin
adm /sbin/nologin
lp /sbin/nologin
… …
awk还识别多种单个的字符，比如以“:”或“/”分隔，输出第1、10个字段：
[root@svr5 ~]# awk -F [😕] ‘{print $1,$10}’ /etc/passwd
root bash
bin nologin
daemon nologin
adm sbin
… …
awk常用内置变量：
$0 文本当前行的全部内容
$1 文本的第1列
$2 文件的第2列
$3 文件的第3列，依此类推
NR 文件当前行的行号
NF 文件当前行的列数（有几列）
输出每次处理行的行号，以及当前行以“:”分隔的字段个数（有几列）：
[root@svr5 ~]# awk -F: ‘{print NR,NF}’ passwd.txt
1 7
2 7
3 7
… …
2）awk的print指令不仅可以打印变量，还可以打印常量
[root@svr5 ~]# awk -F: ‘{print $1,“的解释器:”,$7}’ /etc/passwd
root 的解释器: /bin/bash
bin 的解释器: /sbin/nologin
… …
步骤二：利用awk提取本机的网络流量、根分区剩余容量、获取远程失败的IP地址
1）提取IP地址
分步实现的思路及操作参考如下——
通过ifconfig eth0查看网卡信息，其中包括网卡流量：
[root@svr5 ~]# ifconfig eth0
eth0: flags=4163<UP,BROADCAST,RUNNING,MULTICAST> mtu 1500
inet 192.168.4.21 netmask 255.255.255.0 broadcast 192.168.4.255
inet6 fe80::fa64:c143:ad6a:5159 prefixlen 64 scopeid 0x20
ether 52:54:00:b3:11:11 txqueuelen 1000 (Ethernet)
RX packets 313982 bytes 319665556 (304.8 MiB)
RX errors 0 dropped 0 overruns 0 frame 0
TX packets 51809 bytes 40788621 (38.8 MiB)
TX errors 0 dropped 0 overruns 0 carrier 0 collisions 0
RX为接收的数据量，TX为发送的数据量。packets以数据包的数量为单位，bytes以字节为单位：
[root@svr5 ~]# ifconfig eth0 | awk ‘/RX p/{print $5}’ //过滤接收数据的流量
319663094
[root@svr5 ~]# ifconfig eth0 | awk ‘/TX p/{print $5}’ //过滤发送数据的流量
40791683
2）提取根分区剩余容量
分步实现的思路及操作参考如下——
通过df命令查看根分区的使用情况，其中包括剩余容量：
[root@svr5 ~]# df -h /
文件系统容量已用可用已用% 挂载点
/dev/sda2 19G 7.2G 11G 40% /
输出上述结果中最后一行的第4列：
[root@svr5 ~]# df -h / | tail -1 | awk ‘{print $KaTeX parse error: Expected 'EOF', got '}' at position 2: 6}̲' 11G 或者直接在awk中\dots$ /{print $4}’
11G
3）根据/var/log/secure日志文件，过滤远程连接密码失败的IP地址
[root@svr5 ~]# awk ‘/Failed/{print $KaTeX parse error: Expected 'EOF', got '}' at position 3: 11}̲' /var/log/secu\dots$ /{x++} END{print x}’ /etc/passwd
29
2）格式化输出/etc/passwd文件
要求: 格式化输出passwd文件内容时，要求第一行为列表标题，中间打印用户的名称、UID、家目录信息，最后一行提示一共已处理文本的总行数

3）根据实现思路编写、验证awk过滤语句
输出信息时，可以使用“\t”显示Tab制表位：

[root@svr5 ~]# awk -F: 'BEGIN{print "User\tUID\tHome"} \
                                {print $1 "\t"  $3  "\t"  $6}     \
                             END{print "Total",NR,"lines."}' /etc/passwd
User    UID     Home
root    0       /root
bin     1       /bin
daemon  2       /sbin
adm     3       /var/adm
lp      4       /var/spool/lpd
sync    5       /sbin
.. ..

Total 67 lines.
2 案例2：awk处理条件
2.1 问题
本案例要求使用awk工具完成下列过滤任务，注意awk处理条件的设置：
列出UID间于1~1000的用户详细信息
输出/etc/hosts文件内以127或192开头的记录
列出100以内整数中7的倍数或是含7的数
2.2 步骤
实现此案例需要按照如下步骤进行。
步骤一：认识awk处理条件的设置
1）使用正则设置条件
输出其中以bash结尾的完整记录：
[root@svr5 ~]# awk -F: ‘/bash$/{print}’ /etc/passwd
root❌0:0:root:/root:/bin/bash
输出包含root的行数据：
[root@svr5 ~]# awk -F: ‘/root/’ /etc/passwd
输出root或adm账户的用户名和UID信息：
[root@svr5 ~]# awk -F: ‘/^(root|adm)/{print $1,$3}’ /etc/passwd
root 0
adm 3
输出账户名称包含root的基本信息（第1列包含root）：
[root@svr5 ~]# awk -F: ‘$1~/root/’ /etc/passwd
输出其中登录Shell不以nologin结尾（对第7个字段做!~反向匹配）的用户名、登录Shell信息：
[root@svr5 ~]# awk -F: ‘ $7! / n o l o g i n$ /{print $1,$7}’ /etc/passwd
root /bin/bash
sync /bin/sync
shutdown /sbin/shutdown
2）使用数值/字符串比较设置条件

比较符号：==(等于) !=（不等于） >（大于）
>=（大于等于） <（小于） <=（小于等于）
输出第3行（行号NR等于3）的用户记录：
[root@svr5 ~]# awk -F: 'NR==3{print}' /etc/passwd
输出账户UID大于等于1000的账户名称和UID信息：
[root@svr5 ~]# awk -F: '$3>=1000{print $1,$3}' /etc/passwd
tom 1000
jerry 1001
输出账户UID小于10的账户名称和UID信息：
[root@svr5 ~]# awk -F: '$3<10{print $1,$3}' /etc/passwd
root 0
bin 1
daemon 2
adm 3
lp 4
sync 5
shutdown 6
halt 7
mail 8
输出用户名为“root”的行：
[root@svr5 ~]# awk -F: '$1=="root"' /etc/passwd
root:x:0:0:root:/root:/bin/bash

3）逻辑测试条件
输出账户UID大于10并且小于20的账户信息：

[root@svr5 ~]# awk -F: '$3>10 && $3<20' /etc/passwd
operator:x:11:0:operator:/root:/sbin/nologin
games:x:12:100:games:/usr/games:/sbin/nologin
ftp:x:14:50:FTP User:/var/ftp:/sbin/nologin
输出账户UID大于1000或者账户UID小于10的账户信息：
[root@svr5 ~]# awk -F: '$3>1000 || $3<10' /etc/passwd
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
adm:x:3:4:adm:/var/adm:/sbin/nologin
lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin
sync:x:5:0:sync:/sbin:/bin/sync
shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown
halt:x:7:0:halt:/sbin:/sbin/halt
mail:x:8:12:mail:/var/spool/mail:/sbin/nologin
varnish:x:1001:1001::/home/varnish:/sbin/nologin
nginx:x:1002:1002::/home/nginx:/sbin/nologin

4）数学运算

[root@svr5 ~]# awk 'BEGIN{x++;print x}'
1
[root@svr5 ~]# awk 'BEGIN{x=8;print x+=2}'
10
[root@svr5 ~]# awk 'BEGIN{x=8;x--;print x}'
7
[root@svr5 ~]# awk 'BEGIN{print 2+3}'
5
[root@svr5 ~]# awk 'BEGIN{print 2*3}'
6
[root@svr5 ~]# awk 'BEGIN{print 2*3}'
6
[root@svr5 ~]# awk 'BEGIN{ print 23%8}'
7
[root@svr5 ~]# seq  200 | awk  '$1%3==0'       //找200以内3的倍数
… …
步骤二：完成任务要求的awk过滤操作
1）列出UID间于1~1000的用户详细信息：
[root@svr5 ~]# awk -F: '$3>=1 && $3<=1000' /etc/passwd
2）输出/etc/hosts映射文件内以127或者192开头的记录：
[root@svr5 ~]# awk  '/^(127|192)/' /etc/hosts
127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
192.168.4.5  svr5.tarena.com svr5
3）列出100以内整数中7的倍数或是含7的数：
[root@svr5 ~]# seq 100 | awk '$1%7==0||$1~/7/'
7
14
17
21
27
28
35
37
42
47
.. ..
3 案例3：awk综合脚本应用
3.1 问题
本案例要求编写脚本，实现以下需求：
找到使用bash作登录Shell的本地用户
列出这些用户的shadow密码记录


3.2 步骤
实现此案例需要按照如下步骤进行。
步骤一：任务需求及思路分析
编写脚本的任务要求如下：
分析出使用bash作登录Shell的本地用户
列出这些用户的shadow密码记录
按每行“用户名 -- 密码记录”保存结果
步骤二：根据实现思路编写脚本
[root@svr5 ~]# cat getupwd-awk.sh
#/bin/bash
A=$(awk -F:  '/bash$/{print $1}' /etc/passwd)        ## 提取符合条件的账号记录
 
for i in $A
do
        grep $i /etc/shadow | awk -F: '{print $1,"-->",$2}'                
done
步骤三：验证、测试脚本
[root@svr5 ~]# ./getupwd-awk.sh     
root --> $6$IWgMYmRACwdbfwBo$dr8Yn983nswiJVw0dTMjzbDvSLeCd1GMYjbvsDiFEkL8jnXOLcocBQypOCr4C6BRxNowIxjh6U2qeFU0u1LST/
zengye --> $6$Qb37LOdzRl5995PI$L0zTOgnhGz8ihWkW81J.5XhPp/l7x2./Me2ag0S8tRndCBL9nIjHIKkUKulHxJ6TXyHYmffbVgUT6pbSwf8O71
clamav --> !!
mysql --> !!
.. ..

4 案例4：awk流程控制
4.1 问题
本案例要求了解awk的流程控制操作，可自行设置awk语句来有验证以下操作：
if分支结构（单分支、双分支、多分支）
练习awk数组的使用
4.2 步骤
实现此案例需要按照如下步骤进行。
步骤一：awk过滤中的if分支结构
1）单分支
统计/etc/passwd文件中UID小于或等于1000的用户个数：
[root@svr5 ~]# awk -F: ‘{if($3<=1000){i++}}END{print i}’ /etc/passwd
39
统计/etc/passwd文件中UID大于1000的用户个数：
[root@svr5 ~]# awk -F: ‘{if($3>1000){i++}}END{print i}’ /etc/passwd
8
统计/etc/passwd文件中登录Shell是“/bin/bash”的用户个数：
[root@svr5 ~]# awk -F: ‘{if( $7 / b a s h$ /){i++}}END{print i}’ /etc/passwd
29
2）双分支
分别统计/etc/passwd文件中UID小于或等于1000、UID大于1000的用户个数：
[root@svr5 ~]# awk -F: ‘{if($3<=1000){i++}else{j++}}END{print i,j}’ /etc/passwd
39 8
分别统计/etc/passwd文件中登录Shell是“/bin/bash”、登录Shell不是“/bin/bash”的用户个数：
[root@svr5 ~]# awk -F: ‘{if( $7 / b a s h$ /){i++}else{j++}} END{print i,j}’ /etc/passwd
29 38
步骤二：awk数组
1）数组的语法格式
数组是一个可以存储多个值的变量，具体使用的格式如下：
定义数组的格式：数组名[下标]=元素值
调用数组的格式：数组名[下标]
遍历数组的用法：for(变量 in 数组名){print 数组名[变量]}。
[root@svr5 ~]# awk ‘BEGIN{a[0]=11;a[1]=88;print a[1],a[0]}’
88 11
[root@svr5 ~]# awk ‘BEGIN{a++;print a}’
1
[root@svr5 ~]# awk ‘BEGIN{a0++;print a0}’
1
[root@svr5 ~]# awk ‘BEGIN{a[0]++;print a[0]}’
1
[root@svr5 ~]# awk ‘BEGIN{a[0]=0;a[1]=11;a[2]=22; for(i in a){print i,a[i]}}’
0 0
1 11
2 22
注意，awk数组的下标除了可以使用数字，也可以使用字符串，字符串需要使用双引号：
[root@svr5 ~]# awk ‘BEGIN{a[“hehe”]=11;print a[“hehe”]}’
11
5 案例5：awk扩展应用
5.1 问题
本案例要求使用awk工具完成下列两个任务：
分析Web日志的访问量排名，要求获得客户机的地址、访问次数，并且按照访问次数排名
5.2 方案
1）awk统计Web访问排名
在分析Web日志文件时，每条访问记录的第一列就是客户机的IP地址，其中会有很多重复的IP地址。因此只用awk提取出这一列是不够的，还需要统计重复记录的数量并且进行排序。
通过awk提取信息时，利用IP地址作为数组下标，每遇到一个重复值就将此数组元素递增1，最终就获得了这个IP地址出现的次数。
针对文本排序输出可以采用sort命令，相关的常见选项为-r、-n、-k。其中-n表示按数字顺序升序排列，而-r表示反序，-k可以指定按第几个字段来排序。
5.3 步骤
实现此案例需要按照如下步骤进行。
步骤一：统计Web访问量排名
分步测试、验证效果如下所述。
1）提取IP地址及访问量

[root@svr5 ~]# awk '{ip[$1]++} \
>  END{for(i in ip) {print ip[i],i }}' /var/log/httpd/access_log
4  127.0.0.1
17 192.168.4.5
13 192.168.4.110
.. ..
2）对第1）步的结果根据访问量排名
[root@svr5 ~]# awk  '{ip[$1]++} END{for(i in ip) {print i,ip[i]}}' /var/log/httpd/access_log | sort -nr
17 192.168.4.5
13 192.168.4.110
4 127.0.0.1
.. ..