使用go进行日志分析并生成excel,再也不担心做日志分析了

前言

哈喽，大家好，我是asong。这是我的第十一篇原创文章。这周工作的时候接到了一个需求，需要对一个日志文件进行分析，分析请求次数以及耗费的时间平均时间等信息，整理成excel表格，方便分析做优化。刚拿到这个需求的时候，着实有点懵逼。那么多日志，我该怎么分析呢？该使用什么工具去分析呢。最后还要生成excel表格。哇，给我愁坏了。所以我开始并没有直接去做需求，而是去查资料、问同事、朋友，怎么做日志分析。确实搜到了一些日志分析的方法：awk、python。无疑是用脚本来做。但是我对这些不太熟悉呀，而且只有一下午的时间去做。最后我选择了使用golang来做。相比于其他，我对golang更熟悉。确定了语言，我就开始分析日志了，下面我就来详细介绍一下我是怎么使用go完成的日志分析，并成功生成excel表格。

代码已上传GitHub，可自行下载学习。传送门

前期准备

因为公司的log不能在这里直接展示，所以本次教程我自己生成了几个测试log。

{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}
{"httpRequest":{"request":"method:post,path:/api/user/login"},"params":{"query":"username=asong&password=123456"},"timings":{"evalTotalTime":0.420787431}}

这些log正常都在一行的，因为markdown显示问题，显示了多行。

日志分析

分析之前，先看一下我们的需求：分析每个请求的次数，查询参数，平均时间。

确定了需求，下面我们开始对日志进行分析。每一行代表一个完整的日志请求。每一行日志都是一个json字符串，这样看起来确实不方便，我们格式化一下来看一下。

{
    "httpRequest":{
        "request":"method:post,path:/api/user/login"
    },
    "params":{
        "query":"username=asong&password=123456"
    },
    "timings":{
        "evalTotalTime":0.420787431
    }
}

这样看起来就很方便了，层次结构一眼就能看出来。我们要统计请求的次数，可以通过requrst这个字段判断是否是同一个请求。query这个字段代表的是查询参数，evalTotalTime这个字段需要求和，然后求出平均数。日志分析好了，下面就是实现部分了。

代码实现

代码实现日志分析

这里我使用一个map来存放不同的请求，以请求作为key，请求次数、时间等作为value，不过这里存的时间所有请求的时间和，统计好所有请求次数与时间和后再计算平均时间。这样所有分析好的数据就都在map里了，最后可针对这个map进行excel导出，是不是很完美，哈哈。

• 定义map，需要统计的字段用struct封装。

var (
    result map[string]*requestBody
    analysis map[string]*requestBody
)

type requestBody struct {
    count int32
    query string
    time float64
}

• 因为日志文件中一行代表一个完整的日志，所以我们可以按行读取日志，然后分析处理。

func openFile() *os.File {
    file,err := os.Open("./request.log")
    if err != nil{
        log.Println("open log err: ",err)
    }
    return file
}

func logDeal(file *os.File)  {
    // 按行读取
    br := bufio.NewReader(file)
    for{
        line,_,err := br.ReadLine()
        // file read complete
        if err == io.EOF{
            log.Println("file read complete")
            return
        }
        //json deal
        var data interface{}
        err = json.Unmarshal(line,&data)
        if err != nil{
            fmt.Errorf("json marshal error")
        }
        deal(data)
    }
}

• 按行读取好数据后，开始对每一条日志进行分析，提取字段。可以使用golang的json.Unmarshal，配合类型断言，分析出每一个字段做处理。

func deal(data interface{})  {
    var request string
    var query string
    var time float64
    value,ok := data.(map[string]interface{})
    if ok{
        for k,v := range value{
            if k == "httpRequest"{
                switch v1 := v.(type) {
                case map[string]interface{}:
                    for k1,v11 := range v1{
                        if k1 == "request"{
                            switch val := v11.(type) {
                            case string:
                                request = val
                                //fmt.Println(request)
                            }
                        }
                    }
                }
            }
            if k == "params"{
                switch v1 := v.(type) {
                case map[string]interface{}:
                    for k1,v11 := range v1{
                        if k1 == "query"{
                            switch val := v11.(type) {
                            case string:
                                query = val
                                //fmt.Println(query)
                            }
                        }
                    }
                }
            }
            if k == "timings"{
                switch v1 := v.(type) {
                case map[string]interface{}:
                    for k1,v11 := range v1{
                        if k1 == "evalTotalTime"{
                            switch val := v11.(type) {
                            case float64:
                                time = val
                            //    fmt.Println(time)
                            }
                        }
                    }
                }
            }
        }
        b := &requestBody{
            query: query,
            time: time,
        }
        if _,o := result[request];o{
            b.count = result[request].count + 1
            b.time = b.time + result[request].time
            result[request] = b
        }else {
            b.count = 1
            result[request] = b
        }
    }
}

• 统计好所有的请求次数与请求时间和后，我们还需要进一步处理，得到每次请求的平均时间。

//analysis data
func analysisBody()  {
    for k,v := range result{
        req := &requestBody{}
        req.time = v.time / float64(v.count)
        req.count = v.count
        req.query = v.query
        analysis[k] = req
    }
}

分析好了日志后，下面我们开始倒出excel。

导出excel文件

这里使用的是excelize库。首先进行安装：

go get github.com/360EntSecGroup-Skylar/excelize

excelize 详细的文档请点击：https://xuri.me/excelize/zh-h...。这里就不讲解具体的使用方法了，直接上代码了。可以推荐一个博客，我也是在这上面学习的。传送门。这个库还可以合并单元格，更多玩法，欢迎解锁。

导出代码示例如下：

type cellValue struct {
    sheet string
    cell string
    value string
}
//export excel
func exportExcel()  {
    file := excelize.NewFile()
    //insert title
    cellValues := make([]*cellValue,0)
    cellValues = append(cellValues,&cellValue{
        sheet: "sheet1",
        cell: "A1",
        value: "request",
    },&cellValue{
        sheet: "sheet1",
        cell: "B1",
        value: "count",
    },&cellValue{
        sheet: "sheet1",
        cell: "C1",
        value: "query",
    },&cellValue{
        sheet: "sheet1",
        cell: "D1",
        value: "avgTime",
    })
    index := file.NewSheet("Sheet1")
    // 设置工作簿的默认工作表
    file.SetActiveSheet(index)
    for _, cellValue := range cellValues {
        file.SetCellValue(cellValue.sheet, cellValue.cell, cellValue.value)
    }
    //insert data
    cnt := 1
    for k,v := range analysis{
        cnt = cnt + 1
        for k1,v1 := range cellValues{
            switch k1 {
            case 0:
                v1.cell = fmt.Sprintf("A%d",cnt)
                v1.value = k
            case 1:
                v1.cell = fmt.Sprintf("B%d",cnt)
                v1.value = fmt.Sprintf("%d",v.count)
            case 2:
                v1.cell = fmt.Sprintf("C%d",cnt)
                v1.value = v.query
            case 3:
                v1.cell = fmt.Sprintf("D%d",cnt)
                v1.value = strconv.FormatFloat(v.time,'f',-1,64)
            }
        }
        for _,vc := range cellValues{
            file.SetCellValue(vc.sheet,vc.cell,vc.value)
        }
    }

    //generate file
    err := file.SaveAs("./log.xlsx")
    if err != nil{
        fmt.Errorf("generate excel error")
    }
}

结果展示

怎么样，还可以吧，我们可以看到请求次数与平均时间，一目了然。

总结

我也是第一次使用go进行日志分析。总体来说还是挺方便的。最主要是导出excel真的很方便。你学会了吗？没学会不要紧，我的示例代码已上传github，可自行下载学习，如果能给一个小星星就更好了呢。传送门地址。

我是asong，一名普普通通的程序猿，让我一起慢慢变强吧。欢迎各位的关注，我们下期见~~~
获取2020gin最新官方中文文档，请关注公众号，后台回复：gin，即可获取。

‘

推荐往期文章：

• 听说你还不会jwt和swagger-饭我都不吃了带着实践项目我就来了
• 掌握这些Go语言特性，你的水平将提高N个档次(二)
• go实现多人聊天室，在这里你想聊什么都可以的啦！！！
• grpc实践-学会grpc就是这么简单
• go标准库rpc实践
• 2020最新Gin框架中文文档 asong又捡起来了英语，用心翻译
• 基于gin的几种热加载方式
• boss: 这小子还不会使用validator库进行数据校验，开了～～～