內容摘要：AWStats的使用簡介和配置一些改進說明。很高興看到在AWStats 6.3版本開始：中文用戶基本上已經只需要將配置文件中將 LoadPlugin="decodeutfkeys" 啟用基本上就沒有什么中文搜索引擎的統計問題了，目前增加了多個國內主要搜索引擎廠商。包含了針對國內主要搜索引擎和蜘蛛定義的補丁(解包后覆蓋lib\目錄下的原程序目錄即可)，其中也包含了本站的樣例配置文件

日志統計系統在站點的用戶行為分析中扮演了重要的角色，尤其是對于來自搜索引擎的關鍵詞 訪問統計：是很有效的用戶行為分析數據來源。隨著互聯網多年的發展，WEB日志統計工具已經越來越成熟，功能也越來越豐富。其中有很多是開放源代碼的， AWStats就是其中非常優秀的一款。

AWStats: Advanced Web Statistics

AWStats是在Sourceforge上發展很快的一個基于Perl的WEB日志分析工具。相對于另外一個非常優秀的開放源代碼的日志分析工具Webalizer，AWStats的優勢在于：

1. 界面友好：可以根據瀏覽器直接調用相應語言界面（有簡體中文版）
   參考輸出樣例：http://www.chedong.com/cgi-bin/awstats/awstats.pl?config=chedong
2. 基于Perl：并且很好的解決了跨平臺問題，系統本身可以運行在GNU/Linux上或Windows上（安裝了ActivePerl后）；分析的日志直接支持Apache格式 (combined)和IIS格式(需要修改)。Webalizer雖然也有Windows平臺版，但目前已經缺乏 維護；
   AWStats完全可以實現用一套系統完成對自身站點不同WEB服務器：GNU/Linux/Apache和Windows/IIS服務器的統一統計。
3. 效率比較高：AWStats輸出統計項目比Webalizer豐富了很多，速度仍可以達到Webalizer的1/3左右，對于一個日訪問量 百萬級的站點，這個速度都是足夠的；
   
4. 配置/定制方便：系統提供了足夠靈活但缺省也很合理的配置規則，需要修改的缺省配置不超過3，4項就可以開始運行，而且修改和擴展的插件還是 比較多的；
5. AWStats的設計者是面向精確的"Human visits"設計的，因此很多搜索引擎的機器人訪問都被過濾掉了，因此有可能比其他日志統計工具統計的數字要低，來自公司內部的訪問也可以通過IP過濾 設置過濾掉。
6. 提供了很多擴展的參數統計功能：使用ExtraXXXX系列配置生成針對具體應用的參數分析會對產品分析非常有用。
   

更多與其他工具：Webalizer, analog的比較請參考：
http://awstats.sourceforge.net/#COMPARISON

AWStats安裝備忘

AWStats的運行模式是這樣的：

1. 分析日志：運行后將這樣的日志統計結果歸檔到一個AWStats的數據庫（純文本）里；
2. 然后是輸出：分兩種形式
   • 一種是通過cgi程序讀取統計結果數據庫輸出；
   • 一種是運行后臺腳本將輸出導出成靜態文件；

以下是2個針對單個站點日志統計例子：
一個是在GNU/Linux上通過CGI方式的輸出，
一個是在Windows 2000上的基于靜態頁面的導出

下載/安裝

http://sourceforge.net/projects/awstats/ 下載安裝包后：

GNU/Linux：tar zxf awstats-version.tgz
awstats的腳本和靜態文件缺省都在wwwroot目錄下： 將cgi-bin目錄下的文件都部署awstats.pl程序到/home/apache/cgi-bin/awstats/ 下
mv awstats-version/wwwroot/cgi-bin /path/to/apache/cgi-bin/awstats
#把圖標等文件目錄復制到WEB的HTML文件發布目錄下：/home/apache/htdocs/ 下發布
更多的批量更新腳本等在tools 目錄下，可以一并放到cgi-bin/awstats/ 目錄下，

Windows 2000：按照后臺腳本模式運行，直接解包，然后移動到D:\AWStats目錄下
把圖標icon目錄復制到IIS的發布目錄下：inetpub/icon

數據源日志格式和按天的截斷規則

1. 對于Apache：日志格式好設置：設置成combined格式即可，日志截斷麻煩一點：需要安裝cronolog工具，將日志設置成按天截斷：
   CustomLog "|/usr/local/sbin/cronolog /path/to/apache/logs/access_log.%Y%m%d" combined
   比如：logs/access_log.20030326
   日志是壓縮格式，可以使用gzip -d < /home/apache/logs/access_log.%YYYY-24%MM-24%DD-24.gz | 動態解壓縮統計。
2. 對于IIS：缺省有比較好的日志按天截斷規則，但是IIS的日志格式比較不適合AWStats統計，
   因此最好直接去掉所有日志字段，然后嚴格按照以下列表設置
   
   • 日期 date
   • 時間 time
   • 客戶IP地址 c-ip
   • 用戶名 cs-username
   • 方法 cs-method
   • URI資源 cs-uri-stem
   • 協議狀態 sc-status
   • 發送字節數 sc-bytes
   • 協議版本 cs-version
   • 用戶代理 cs(User-Agent)
   • 參照 cs(Referer)
   相比IIS缺省設置：
   減少的有：
   
   • 服務器IP地址
   • 服務器端口
   • URI查詢
   增加的有：
   
   • 發送字節數
   • 協議版本
   • 參照 

配置文件的命名規則：awstats.sitename.conf

AWStats的主程序awstats.pl會自動根據站點名調用相應站點的配置文件：awstats.sitename.conf
比如：運行./awstats.pl -config=chedong 調用的就是同目錄下的 awstats.chedong.conf 配置文件；
如果沒有指定-config，還會找當前目錄下的awstats.conf或者/etc/awstats.conf作為缺省配置文件。
所以最好把缺省的awstats.model.conf 重命名成 awstats.yoursite.conf；比如：awstats.chedong.conf，

對于多個站點的統計，AWStats的配置文件包含功能還是非常有用的，我們可以把通用的配置放在一個文檔中，然后用(5.4版本以后開始支持) Include配置將通用配置包含在各個具體配置文件的頭部，然后用其他配置覆蓋通用配置中的相應屬性，比如：
Include="common.conf"
LogFile="/path/to/bbs/access_log"
SiteName="bbs.chedong.com"

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

對于在GNU/Linux上統計Apache日志只需修改：LogFile SiteDomain這2個選項

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"
   這個配置的意思是用24小時前的年份，月份，日期拼出的日志文件名；
2. SiteDomain="www.chedong.com"
   站點的名稱，缺省是空的，如果為空，AWStats將拒絕運行；
3. 對于統計IIS日志需要多修改一個：
   LogFormat=2
   缺省值是1：Apache日志，2是IIS日志

其他需要注意的事項：
AWStats缺省不過濾swf文件，會把.swf算成PageView，所以如果站點上swf文件主要是廣告的話最好還是要過濾掉：

日志分析

./awstats.pl -update -config=sitename -lang=cn
比如：./awstats.pl -update -config=chedong
會自動調用awstats.chedong.conf這個配置文件

統計輸出

GNU/Linux    http://localhost/cgi-bin/awstats/awstats.pl?config=chedong
Windows 2000 http://localhost/awstats/awstats.chedong.html

日志統計自動運行

GNU/Linux上：crontab -e: 每天8點10分運行
#update awstats
10 8 * * * (cd /path/to/apache/cgi-bin/awstats/; ./awstats.pl －update -config=chedong)

Windows 2000上：設置每天8點10分運行
D:\Perl\bin\perl.exe d:\AWStats\tools\awstats_buildstaticpages.pl -update -config=chedong -lang=cn -dir=c:\inetpub\awstats\ -awstatsprog=d:\awstats\wwwroot\cgi-bin\awstats.pl

多站點日志統計

AWStats自帶了一個批處理工具：tools/awstats_updateall.pl，可以批量地遍歷一個目錄下所有地配置文件并運行統 計。因此剩下的工作就主要是日志的同步問題了。

針對多個站點，很多配置選項是重復的，如果每個配置文件都修改維護起來會很麻煩，AWStats從5.4版本開始提供了配置文件包含的功能，所以我們可 以配置一個通用配置，比如：common.conf

然后其他站點的配置設置為：可以通過后面的選項覆蓋和缺省不一致的配置。
awstats.bbs.chedong.conf
Include "chedong.common.conf"
LogFile "/path/to/bbs_log"
SiteName "bbs.chedong.com"

awstats.www.chedong.conf
Include "chedong.common.conf"
LogFile "/path/to/www_log"
SiteName "www.chedong.com"
HostAliases="chedong.com" 

統計指標說明

• 參觀者：按來訪者不重復的IP統計，一個IP代表一個參觀者；
• 參觀次數：一個參觀者可能1天之內參觀多次（比如：上午一次，下午一次），所以按一定時間內（比如：1個小時），不重復的IP數統計，參觀者 的訪問次數；
• 網頁數：不包括圖片，CSS, JavaScript文件等的純頁面訪問總數，但如果一個頁面使用了多個幀，每個幀都算一個頁面請求；
• 文件數：來自瀏覽器客戶端的文件請求總數，包括圖片，CSS，JavaScript等，用戶請求一個頁面是，如果頁面中包含圖片等，所以對服 務器會發出多次文件請求，文件數一般遠遠大于文件數；
• 字節：傳給客戶端的數據總流量；
• 來自REFERER中的數據：日志中的參考（REFERER）字段，記錄了訪問相應網頁之前地址，因此如果用戶是通過搜索引擎的搜索結果點擊 進入網站的，日志中就會有用戶在相應搜索引擎的查詢地址，這個地址中就可以通過解析將用戶查詢使用的關鍵詞提取出來：
  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) http://www.google.com/search?q=chedong
  AWStats在搜索引擎的關鍵短語和關鍵詞統計方面的功能還是比較完整的：可以對全世界3百多種機器爬蟲進行識別，并且可以識別大部分主流國際化搜索引擎和很多地區的本地語言搜索引擎。
  

Hacking AWStats

基于地理信息的插件安裝：

GeoIP 和 Geo::IPfree（awstats 5.5+）
GeoIP和Geo::IPfree都免費的是國家/IP的影射表，比通過DNS反相解析域名得到的統計準確，而且速度快。GeoIP的API都是免費 的，缺省庫是免 費的，收費的是它的數據更新服務。Geo::IPfree不僅代碼是公開的，而且庫數據也是公開的。

GeoIP安裝：
先下載C庫：GeoIP C解包后
%./configure; make
#make install

然后下載Perl庫：GeoIP Perl解包后
%perl MakeFile.PL; make
#make install

Geo::IPfree安裝：
下載Geo::IPfree解 包后
%perl Makefile
%make
#make install

配置：通過在配置文件中啟用GEOIP相關插件：

LoadPlugin="geoip GEOIP_STANDARD /home/apache/chedong.com/cgi-bin/awstats/GeoIP.dat"
LoadPlugin="geoip_city_maxmind GEOIP_STANDARD /home/apache/chedong.com/cgi-bin/awstats/GeoLiteCity.dat"

MaxMind目前免費提供了GeoIP和GeoIPCityLite數據包：可以定期每個月從以下地址下載：

wget  http://geolite.maxmind.com/download/geoip/database/GeoLiteCity.dat.gz
wget  http://geolite.maxmind.com/download/geoip/database/GeoLiteCountry/GeoIP.dat.gz

從最近的統計來看一般為每月3日更新，此外：http://geolite.maxmind.com/download/geoip/database/下也有CSV源文件提供；此外：利用QQ的純真庫也能獲得更詳細的地理信息分布統計；

參考資料：

• AWStats開源項目： http://awstats.sourceforge.net/
• Webalizer開源項目：http://www.webalizer.org/
  
• 日 志分析工具：directory.google.com/Top/Computers/Software/Internet/Site_Management/Log_Analysis/
  
• 商 業日志統計/分析工具： directory.google.com/Top/Computers/Software/Internet/Site_Management/Log_Analysis/Commercial/
  
• 多站點的日志合并：www.chedong.com/tech/rotate_merge_log.html
  
• 日志統計對于分析搜索引擎對站點的影響具 有非常重要的意義：www.chedong.com/tech/google.html
• AWStats插件說明：awstats.sourceforge.net/awstats_contrib.html