分析图片服务日志.把日志(每个圈片访问次致.图片大小的总和)排行,取top10

本文介绍了一种使用awk命令处理HTTP服务器访问日志的方法,通过解析日志文件,可以统计每个文件的总访问次数及总流量,为网站流量分析和优化提供数据支持。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

想要的输出格式内容
单个文件大小乘以访问次数 访问次数 文件名(可带url)
awk ‘{print $7"\t"$10}’ /etc/httpd/logs/access_log |sort|uniq -c|awk ‘{print $1*$3,$1,$2}’|sort -rn|head

import akshare as ak import pandas as pd def fetch_total_fund_data(): """获涨停板封板资金数据""" zt_pool = ak.stock_zt_pool_em(date=datetime.now().strftime("%Y%m%d")) # 计算当日封板资金总和(亿元) total_fund = zt_pool['封板资金'].sum() / 100000000 # 万元转亿元 return total_fund import sqlite3 import schedule import time from datetime import datetime, timedelta def save_to_db(): """定时保存数据到SQLite数据库""" data = fetch_total_fund_data() conn = sqlite3.connect('total_fund.db') data.to_sql('total_fund_data', conn, if_exists='append', index=False) conn.close() print(f"{pd.Timestamp.now()} - 已保存{len(data)}条记录") # 设置定时任务(每15秒钟执行) schedule.every(15).seconds.do(save_to_db) while True: schedule.run_pending() time.sleep(1) import plotly.express as px from dash import Dash, dcc, html, Input, Output import dash_bootstrap_components as dbc # 创建Dash应用 app = Dash(__name__, external_stylesheets=[dbc.themes.BOOTSTRAP]) app.layout = html.Div([ dcc.Interval(id='live-update', interval=60*1000), # 每分钟更新 dcc.Graph(id='live-bar-chart'), dcc.Dropdown(id='stock-selector', multi=True, options=[], placeholder="选择对比股票"), dcc.Graph(id='history-chart') ]) @app.callback( [Output('live-bar-chart', 'figure'), Output('stock-selector', 'options')], [Input('live-update', 'n_intervals')] ) def update_live_chart(n): """更新实时封板资金柱状""" conn = sqlite3.connect('zt_pool.db') df = pd.read_sql("SELECT * FROM zt_pool_data", conn) conn.close() latest = df.groupby('代码').last().reset_index() fig_bar = px.bar( latest.nlargest(10, '封板资金'), x='名称', y='封板资金', title='实时封板资金TOP10', color='封板成功率', color_continuous_scale='RdYlGn' ) options = [{'label': f"{row['名称']}({row['代码']})", 'value': row['代码']} for _, row in latest.iterrows()] return fig_bar, options @app.callback( Output('history-chart', 'figure'), [Input('stock-selector', 'value')] ) def update_history_chart(selected_codes): """更新历史对比折线""" if not selected_codes: return px.scatter() conn = sqlite3.connect('zt_pool.db') query = f"SELECT * FROM zt_pool_data WHERE 代码 IN ({','.join(['?']*len(selected_codes))})" df = pd.read_sql_query(query, conn, params=selected_codes) conn.close() df['时间'] = pd.to_datetime(df['时间']) # 添加时间戳字段 fig_line = px.line( df, x='时间', y='封板资金', color='名称', title='封板资金历史趋势对比', markers=True, line_shape='spline' ) return fig_line if __name__ == '__main__': app.run_server(debug=True)帮我检查这段代码是否有问题
最新发布
07-28
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值