互联网日志分析技术及分析指标

1. 日志分析必要性

  互联网的发展，将产生大量的Web日志或者移动端日志，日志中包含非常丰富的用户各类信息。通过解析分析挖掘此类信息，将产生相应的数据价值。

• 一般中型网站(10w pv以上)，每天将产生1G以上的Web日志。
• 大型网站或超大型网址，可能每小时会产生500GB至1TB的数据。

  Web日志主要是Web服务器产生，现在公司主流的服务器是Nginx，Apache，Tomcat等。

1.1 日志格式

目前常见的Web日志格式主要两类：

    1. Apache 的NCSA日志格式
    2. ISS 的W3C日志。

1.2 传统单机日志数据分析

    1. linux shell 单机日志分析
    2. python 单机日志分析

1.3大规模分布式日志分析

  当日志以每日10GB，100GB增长时，单机则早已不能满足，此时需要大数据分析和并行计算来解决。

• spark未出现之前：

  • 海量的数据存储和日志分析基于Hadoop和Hive等数据分析系统的。

• spark出现后：

  • 全栈数据分析更加容易。sparkSQL处理离线的数；sparkStreaming处理实时数据。

2. 日志分析指标

  由于数据的重要性越来越高，数据化运营对互联网公司的利益影响也非常明显。

2.1网站运营日志分析常用指标

2.1.1 PV (Page View)