如何对日志文件进行计算

Question

我有一个看起来像这样的：

I, [2009-03-04T15:03:25.502546 #17925]  INFO -- : [8541, 931, 0, 0]
I, [2009-03-04T15:03:26.094855 #17925]  INFO -- : [8545, 6678, 0, 0]
I, [2009-03-04T15:03:26.353079 #17925]  INFO -- : [5448, 1598, 185, 0]
I, [2009-03-04T15:03:26.360148 #17925]  INFO -- : [8555, 1747, 0, 0]
I, [2009-03-04T15:03:26.367523 #17925]  INFO -- : [7630, 278, 0, 0]
I, [2009-03-04T15:03:26.375845 #17925]  INFO -- : [7640, 286, 0, 0]
I, [2009-03-04T15:03:26.562425 #17925]  INFO -- : [5721, 896, 0, 0]
I, [2009-03-04T15:03:30.951336 #17925]  INFO -- : [8551, 4752, 1587, 1]
I, [2009-03-04T15:03:30.960007 #17925]  INFO -- : [5709, 5295, 0, 0]
I, [2009-03-04T15:03:30.966612 #17925]  INFO -- : [7252, 4928, 0, 0]
I, [2009-03-04T15:03:30.974251 #17925]  INFO -- : [8561, 4883, 1, 0]
I, [2009-03-04T15:03:31.230426 #17925]  INFO -- : [8563, 3866, 250, 0]
I, [2009-03-04T15:03:31.236830 #17925]  INFO -- : [8567, 4122, 0, 0]
I, [2009-03-04T15:03:32.056901 #17925]  INFO -- : [5696, 5902, 526, 1]
I, [2009-03-04T15:03:32.086004 #17925]  INFO -- : [5805, 793, 0, 0]
I, [2009-03-04T15:03:32.110039 #17925]  INFO -- : [5786, 818, 0, 0]
I, [2009-03-04T15:03:32.131433 #17925]  INFO -- : [5777, 840, 0, 0]

我想创建一个 shell 脚本来计算括号中的第二个和第三个字段的平均值（最后一个中的 840 和 0例子）。 一个更棘手的问题：是否只有当最后一个字段不为0时才能获得第三字段的平均值？

我知道我可以使用 Ruby 或其他语言来创建脚本，但我想在 Bash 中执行此操作。 有关资源的任何好的建议或如何创建此类脚本的提示都会有所帮助。

Answer 1

使用 bash 和 awk：

cat 文件 | sed -ne 's:^.*INFO.*\[\([0-9, ]*\)\][ \r]*$:\1:p' | awk -F ' *, *' '{ sum2 += $2 ; sum3 += $3 } END { if (NR>0) printf "avg2=%.2f, avg3=%.2f\n", sum2/NR, sum3/NR }'

示例输出（针对您的原始数据） ）：

avg2=2859.59，avg3=149.94

当然，您不需要使用 cat，将其包含在那里是为了便于阅读，并说明输入数据可以来自任何管道; 如果您必须对现有文件进行操作，请运行 sed -ne '...' file | ...直接。

---

编辑

如果您可以访问gawk (GNU awk)，则可以消除对sed的需要，如下所示：

cat 文件 | gawk '{ if(match($0, /.*INFO.*\[([0-9, ]*)\][ \r]*$/, a)) { cnt++; 分割(a[1], b, / *, */); sum2+=b[2]; sum3+=b[3] } } END { if (cnt>0) printf "avg2=%.2f, avg3=%.2f\n", sum2/cnt, sum3/cnt }'

相同备注。 cat 适用。

一些解释：

• sed 仅打印与正则表达式匹配的行（-n ... :p 组合）（包含 INFO 后跟任何数字组合的行，行尾方括号之间的空格和逗号，允许尾随空格和 CR）； 如果任何这样的行匹配，则在打印之前仅保留方括号之间的内容（\1，对应于正则表达式中的\(...\)之间的内容）（ <代码>：p）
  • sed 将输出如下所示的行：8541, 931, 0, 0
• awk 使用由 0 个或多个空格包围的逗号 (-F ' *, *') 作为字段分隔符； $1 对应于第一列（例如 8541），$2 对应于第二列，依此类推。缺少的列计为值 0
  • 最后，awk 将累加器 sum2 等除以处理的记录数，NR
• gawk 一举完成所有事情； 它将首先测试每一行是否与上一个示例中传递给 sed 的正则表达式匹配（除了与 sed 不同，awk 不需要圆括号中的 \ 界定区域或兴趣）。 如果该行匹配，则圆括号之间的内容将以 a[1] 结束，然后我们使用相同的分隔符（由任意数量的空格包围的逗号）将其拆分，并使用它进行累加。 我引入了cnt而不是继续使用NR，因为NR处理的记录数可能会大于实际的相关记录数（NR >cnt) 如果不是所有行都采用 INFO ... [...comma-separated-numbers...] 形式，而 sed 则不是这种情况|awk 因为 sed 保证传递给 awk 的所有行都是相关的。

Answer 2

我也通过 IM 粘贴给你的回复在这里发布，只是因为它让我尝试 StackOverflow :)

# replace $2 with the column you want to avg; 
awk '{ print $2 }' | perl -ne 'END{ printf "%.2f\n", $total/$n }; chomp; $total+= $_; $n++' < log

Answer 3

在 Solaris 上使用 nawk 或 /usr/xpg4/bin/awk。

awk -F'[],]' 'END { 
  print s/NR, t/ct 
  }  
{ 
  s += $(NF-3) 
  if ($(NF-1)) {
    t += $(NF-2)
    ct++
    }
  }' infile

Answer 4

使用Python

logfile= open( "somelogfile.log", "r" )
sum2, count2= 0, 0
sum3, count3= 0, 0
for line in logfile:
    # find right-most brackets
    _, bracket, fieldtext = line.rpartition('[')
    datatext, bracket, _ = fieldtext.partition(']')
    # split fields and convert to integers
    data = map( int, datatext.split(',') )
    # compute sums and counts
    sum2 += data[1]
    count2 += 1
    if data[3] != 0:
        sum3 += data[2]
        count3 += 1
logfile.close()

print sum2, count2, float(sum2)/count2
print sum3, count3, float(sum3)/count3