网站日志别只会看流量数字，里面的信息多着呢

刚开始做站那会儿，我根本不知道日志有什么用。装了统计工具，看眼访问量就完事。

后来才明白，统计工具给你的是"加工过的结果"，日志才是"原始素材"。原始素材里藏着统计工具看不到的东西。

日志里都有什么

一条典型的访问日志，大概长这样：访问者的IP、访问时间、请求的页面、状态码、来源、用的浏览器。

单看一条没什么，成千上万条堆在一起，就能看出规律。

我常看的是这几样：哪些页面被访问最多、哪些状态码异常、有没有可疑请求。

能看出哪些东西

举几个我实际遇到过的：

• 某个页面突然出现大量404，说明有外链指到了一个不存在的地址，或者我改URL时漏了跳转
• 某个IP短时间请求几千次，明显是爬虫抓取或者遭到攻击
• 某些来源页大量涌入，说明有内容被大站引用了，值得去看看
• 服务器状态码里500增多，说明程序有报错，得去查日志

这些东西，统计工具未必会主动提醒你，但日志里白纸黑字写着。

怎么分析才高效

服务器命令行有几条现成的路子。比如统计访问量最高的地址、统计404的分布，几行命令就能出结果。

懒一点的办法是用日志分析工具，把日志导进去，图形化展示，直观很多。我早期用的就是这类工具，看着舒服。

数据量大的站，日志一天几个G，全下载分析不现实。我会让服务器定期切割日志，只保留最近一段时间，需要时按时间段取。

日志里的蜘蛛记录专门看

搜索引擎爬虫的访问会留在日志里，这个是重点。

看你站上有多少蜘蛛来、来了抓哪些页面、抓的时候返回什么状态码。这能直接反映搜索引擎对你站的态度。

我有段时间发现蜘蛛来了却只抓首页，内页基本不碰。查完才知道是内页链接结构太深，蜘蛛进不去。改了导航结构之后，抓取量上来了，收录也跟着涨。

几个实用的分析习惯

我会定期看一眼状态码分布。正常站里，2xx应该占绝大多数，4xx和5xx是少数。要是5xx比例很高，说明服务器或者程序在偷偷出问题。

还会盯一下异常的大流量IP。正常的访问增长是渐进的，某个IP突然爆发，八成有问题。

另外把日志留一段时间，别急着删。有些问题要对照历史日志才能看清。我发现某次流量下滑的原因，就是翻了半个月前的日志，定位到某天开始大量404。

说句实在话

日志分析这东西，不是每天都要做，但一个月花个把小时看一次，能提前发现不少隐患。

它不像统计工具那么友好，得慢慢熟悉格式。但你越懂日志，就越少依赖别人的二手结论，排查问题也越有底气。这功夫值得花。