构造请求日志分析系统

请求日志记录哪些数据

time_local
remote_addr
request_method
request_schema
request_host
request_path
request_query
request_size
referer
user_agent
status
request_time
bytes_sent

很多时候我们会使用负载网关去代理转发请求给实际的后端服务，这时候请求日志还会包括以下数据：

upstream_host
upstream_addr
upstream_url
upstream_status
proxy_time

数据衍生

客户端 IP 地址可以衍生出以下数据：

• asn 相关信息：

  asn_asn
  as_org
  

• geo 地址位置信息：

  geo_location
  geo_country
  geo_country_code
  geo_region
  geo_city
  

user_agent 可以解析出以下信息：

ua_device
ua_os
ua_name

数据分析

• PV / QPS : 页面浏览次数 / 每秒请求数
• UV : 访问的用户人数，很多网站用户无序登录也能访问，这时可以根据 IP + user_agent 的唯一性确定用户
• IP 数 : 访问来源有多少个 IP 地址

<br/>

• 网络流量 : 根据 request_size 请求的大小计数网络流入流量， bytes_sent 响应大小计算网络流出流量

<br/>

• referer 来源分析

<br/>

• 客户请求的地理位置分析：根据 IP 地址衍生的 geo 数据

<br/>

• 客户设备分析：根据 user_agent 提取数据

<br/>

• 请求耗时统计：根据 request_time 数据

  • p99、p95、p90 延迟（前多少百分比请求的耗时，比如 p99 就是前 99% 请求的耗时）
  • 长耗时异常监控

<br/>

• 响应状态监控：根据 status 数据

  • 各个状态码的响应占比
  • 5xx 服务端异常数量

<br/>

• 结合业务分析：请求的 request_path 地址和 request_query 参数一定是对应具体业务的，例如

  • 请求某个相册的地址是 /album/:id ，那么日志中的 request_path 对应的就是对相册进行了一次访问
  • 进行站内搜索的地址是 /search?q=<关键词> ，那么统计 request_path 是 /search 的日志条数就可以知道进行了多少次搜索，统计 request_query 中 q 的参数就可以知道搜索关键词的情况

通用架构

日志系统使用 ELK + kafka 构建是业界比较主流的方案，beats、 logstash 进行日志采集搬运，kafka 存储日志等待消费，elasticsearch 进行数据的聚合分析，grafana 和 kibana 进行图形化展示。