logide-parsimine/apache2.md

# Apache2 logide parsimine

## Apache2 logide formaat

Apache2 logid on formaadis:

```
IP-address - username [day/month/year:hour:minute:second +timzone] "VERB /path/to/page HTTP/1.1" status size "referrer" "user-agent"
```

Näidised:

```
87.250.224.52 - - [11/Jun/2018:18:40:16 +0300] "GET /~lvosandi/ HTTP/1.1" 200 640 "-" "Mozilla/5.0 (compatible; YandexBot/3.0; +http://yandex.com/bots)"
54.36.148.150 - - [04/Apr/2018:09:13:30 +0300] "GET /~lvosandi/pics/lauri.jpeg HTTP/1.1" 404 465 "-" "Mozilla/5.0 (compatible; AhrefsBot/5.2; +http://ahrefs.com/robot/)"
66.249.66.213 - - [13/Mar/2018:18:18:06 +0200] "GET /~lvosandi/check.html HTTP/1.1" 200 831 "-" "Mozilla/5.0 (Linux; Android 6.0.1; Nexus 5X Build/MMB29P) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/41.0.2272.96 Mobile Safari/537.36 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)"
```

Viimane GET päring aadressile http://enos.itcollege.ee/~lvosandi/check.html tehti aadressilt 66.249.66.213
kasutades Nexus 5X telefoni veebilehitsjeat 13. märtsil 18:18:06.
HTTP vastuse suurus oli 831 baiti ning kood oli 200 OK.

## Logide näidised

Laadi alla mõned näidised ja paki need lahti:

```bash
wget https://media.k-space.ee/apache2.tar
ionice nice tar xvf apache2.tar # Lahti pakkimine madala CPU ja IO prioriteediga
cd apache2
```

## Bashi käskude näidised

Leiame esimesed kümme GET päringut apache logifailist:

```bash
cat access.log | grep  GET | head -n3
```

Esimene tulp kus on tavaliselt IP aadressid, kus tulbad tühikutega eraldatud:

```bash
cat access.log | grep GET | cut -d " " -f 1 | head
cat access.log | grep GET | awk '{ print $1 }' | head
```

Natuke keerukam näide awk abil, kus GET sõnet otsitakse konkreetsest tulbast mis on kahekordsete ülakomadega eraldatud:

```bash
cat access.log | awk -F\" '{ if ($2 ~ "^GET ") print $1 }' | awk '{ print $1 }' | head
```

Teisest tulbast kuni lõpuni välja:

```bash
cat access.log | grep GET | cut -d " " -f 2- | head
```

Sorteeri IP aadressid mis esinesid logifailides:

```bash
cat access.log | grep GET | cut -d " " -f 1 | sort
```

Loenda kokku ühesuguste IP-dega read:

```bash
cat access.log | grep GET | cut -d " " -f 1 | sort | uniq -c
```

Top 10 IP aadressid kust HTTP päringud tulid:

```bash
cat access.log | grep GET | cut -d " " -f 1 | sort | uniq -c | sort -n -r | head
```

Top 10 IP aadressid kahest kokku pakitud failist:

```bash
zcat access.log.1.gz access.log.2.gz \
 | grep GET \
 | cut -d " " -f 1 \
 | sort \
 | uniq -c \
 | sort -n -r \
 | head
```

Mitmest (pakitud) logifailist lugemine, asjakohaste ridade välja filtreerimine, esimese tulba välja lõikamine, sorteerimine deduplitseerimiseks, ridade loendamine, vastete arvu järgi sorteerimine ning lõpuks top 10 kuvamine:

```bash
(cat access.log; zcat access.log.1.gz access.log.2.gz) \
 | grep GET \
 | cut -d " " -f 1 \
 | sort \
 | uniq -c \
 | sort -n -r \
 | head
```

Enim külastatud URL veebiserveris:

```bash
cat access.log \
 | awk -F '"' '{ print $2}' \
 | cut -d ' ' -f 2- \
 | sort \
 | uniq -c \
 | sort -n -r \
 | head
```

Kõige enam sisu postitanud veebilehitsejad:

```bash
cat access.log \
 | awk -F '"' '{ if ($2 ~ "^POST ") print $6}' \
 | sort \
 | uniq -c \
 | sort -n -r \
 | head
```

Veateate 4xx põhjustanud päringute leidmine:

```bash
(cat access.log; zcat access.log*.gz) \
  | awk -F \" '{ if ($3 ~ "^ 4[0-9][0-9] ") print $0}'
```

Kokkupakitud logifailide originaalsuuruse tuvastamine pv ning wc abil:

```bash
zcat *.gz | pv > /dev/null
zcat *.gz | wc -c
```

Numbrite vormindamine:

```bash
SUURUS=$(zcat *.gz | wc -c)
echo $SUURUS | numfmt --to=iec
echo $SUURUS / 1024 / 1024 | bc
expr $SUURUS / 1024 / 1024
echo "Logifailide originaalsuurus: $(echo $SUURUS | numfmt --to=iec-i)B"
echo "Logifailide originaalsuurus: $(expr $SUURUS / 1048576) MiB"
```