AWStats简介

AWStats: Advanced Web Statistics

1. 界面友好：可以根据浏览器直接调用相应语言界面（有简体中文版）
   参考输出样例：[url]http://www.chedong.com/cgi-bin/awstats/awstats.pl?config=chedong[/url]
2. 基于Perl：并且很好的解决了跨平台问题，系统本身可以运行在GNU/Linux上或Windows上（安装了ActivePerl后）；分析的日志直接支持Apache格式 (combined)和IIS格式(需要修改)。Webalizer虽然也有Windows平台版，但目前已经缺乏 维护；
   AWStats完全可以实现用一套系统完成对自身站点不同WEB服务器：GNU/Linux/Apache和Windows/IIS服务器的统一统计。
3. 效率比较高：AWStats输出统计项目比Webalizer丰富了很多，速度仍可以达到Webalizer的1/3左右，对于一个日访问量 百万级的站点，这个速度都是足够的；
4. 配置/定制方便：系统提供了足够灵活但缺省也很合理的配置规则，需要修改的缺省配置不超过3，4项就可以开始运行，而且修改和扩展的插件还是 比较多的；
5. AWStats的设计者是面向精确的”Human visits”设计的，因此很多搜索引擎的机器人访问都被过滤掉了，因此有可能比其他日志统计工具统计的数字要低，来自公司内部的访问也可以通过IP过滤 设置过滤掉。
6. 提供了很多扩展的参数统计功能：使用ExtraXXXX系列配置生成针对具体应用的参数分析会对产品分析非常有用。

AWStats安装备忘

1. 分析日志：运行后将这样的日志统计结果归档到一个AWStats的数据库（纯文本）里；
2. 然后是输出：分两种形式
   • 一种是通过cgi程序读取统计结果数据库输出；
   • 一种是运行后台脚本将输出导出成静态文件；

下载/安装

[url]http://sourceforge.net/projects/awstats/[/url] 下载安装包后：

数据源日志格式和按天的截断规则

1. 对于Apache：日志格式好设置：设置成combined格式即可，日志截断麻烦一点：需要安装cronolog工具，将日志设置成按天截断：
   CustomLog “|/usr/local/sbin/cronolog /path/to/apache/logs/access_log.%Y%m%d” combined
   比如：logs/access_log.20030326
   日志是压缩格式，可以使用gzip -d < /home/apache/logs/access_log.%YYYY-24%MM-24%DD-24.gz | 动态解压缩统计。
2. 对于IIS：缺省有比较好的日志按天截断规则，但是IIS的日志格式比较不适合AWStats统计，
   因此最好直接去掉所有日志字段，然后严格按照以下列表设置
   
   • 日期 date
   • 时间 time
   • 客户IP地址 c-ip
   • 用户名 cs-username
   • 方法 cs-method
   • URI资源 cs-uri-stem
   • 协议状态 sc-status
   • 发送字节数 sc-bytes
   • 协议版本 cs-version
   • 用户代理 cs(User-Agent)
   • 参照 cs(Referer)

   相比IIS缺省设置：
   减少的有：

   • 服务器IP地址
   • 服务器端口
   • URI查询

   增加的有：

   • 发送字节数
   • 协议版本
   • 参照 

配置文件的命名规则：awstats.sitename.conf

最少的配置文件修改：LogFile SiteDomain LogFormat

1. GNU/Linux LogFile=”/path/to/apache/logs/access_log.%YYYY-24%MM-24%DD-24″
   Windows 2000 LogFile=”d:\iis_logs\W3SV3\ex%YY-24%MM-24%DD-24.log”
   这个配置的意思是用24小时前的年份，月份，日期拼出的日志文件名；
2. SiteDomain=”www.chedong.com”
   站点的名称，缺省是空的，如果为空，AWStats将拒绝运行；
3. 对于统计IIS日志需要多修改一个：
   LogFormat=2
   缺省值是1：Apache日志，2是IIS日志

日志分析

统计输出

日志统计自动运行

多站点日志统计

统计指标说明

• 参观者：按来访者不重复的IP统计，一个IP代表一个参观者；
• 参观次数：一个参观者可能1天之内参观多次（比如：上午一次，下午一次），所以按一定时间内（比如：1个小时），不重复的IP数统计，参观者 的访问次数；
• 网页数：不包括图片，CSS, JavaScript文件等的纯页面访问总数，但如果一个页面使用了多个帧，每个帧都算一个页面请求；
• 文件数：来自浏览器客户端的文件请求总数，包括图片，CSS，JavaScript等，用户请求一个页面是，如果页面中包含图片等，所以对服 务器会发出多次文件请求，文件数一般远远大于文件数；
• 字节：传给客户端的数据总流量；
• 来自REFERER中的数据：日志中的参考（REFERER）字段，记录了访问相应网页之前地址，因此如果用户是通过搜索引擎的搜索结果点击 进入网站的，日志中就会有用户在相应搜索引擎的查询地址，这个地址中就可以通过解析将用户查询使用的关键词提取出来：
  比如：
  2003-03-26 15:43:58 123.123.123.123 – GET /index.html 200 192 HTTP/1.1 Mozilla/4.0+(compatible;+MSIE+5.01;+Windows+NT+5.0) [url]http://www.google.com/search?q=chedong[/url]
  AWStats在搜索引擎的关键短语和关键词统计方面的功能还是比较完整的：可以对全世界3百多种机器爬虫进行识别，并且可以识别大部分主流国际化搜索引擎和很多地区的本地语言搜索引擎。

Hacking AWStats

基于地理信息的插件安装：

wget 
[url]http://geolite.maxmind.com/download/geoip/database/GeoLiteCity.dat.gz[/url]

wget 
[url]http://geolite.maxmind.com/download/geoip/database/GeoLiteCountry/GeoIP.dat.gz[/url]