通过服务器日志分析网站的原理及优缺点

网站分析收集数据的方式其实有五、六种之多，我们最常见的有三种，分别是：服务器日志（Server Log）、页面标记（Page Tag）和客户端监测软件收集（Client End/Desktop）。我的CWA博客（http://www.chinawebanalytics.cn）中主要讲解的都是页面标记法，今天则跟大 家讲解一下服务器日志方法的原理及优缺点。

一. 服务器日志是什么

真正意义上的网站分析是从服务器日志开始的，而且直到今天，分析服务器（也称为server log file，或简称log file）日志仍然是网站分析的重要方法。

这里的服务器指的是网站服务器（Web Server），而服务器日志跟飞机的黑匣子一样，是用来记录网站服务器的运行信息的，或者简单说，是用来记录服务器中的什么页面在什么时候被谁访问了。 例如，如果你访问一次我的网站：http://www.chinawebanalytics.cn， 那么一般情况下，网站服务器的日志就会记录在某时某刻来自某个IP的访问者索引了网页“/index.php”。当然，网站服务器日志还会记录其他许多内 容，这些内容能够帮助我们分析网站的流量和访问者在网站上的行为。

下面这个图说明了网站日志是如何产生的。当用户访问一个网站的时候，事实上是访问这个网站的某一个具体的页面，我们假设这个页面叫Page 1。这时，我们的这个访问行为会请求服务器中Page 1的实际的文件，随之把这个文件下载到浏览器上。由于请求和下载行为都会引起服务器的响应和相应的行动，因此就有必要记录下服务器的这些行动。

你会问，为什么需要记录服务器的行动呢？原因很简单，因为我们不想让这个服务器变成“哈尔9000”（哈尔9000是库布里克《2001太空奥德 赛》里面有了自我意识的电脑，它直接威胁到了电影中的宇航员）啊！这当然只是开玩笑，不过目的并无差别，就是能够通过服务器日志，对服务器的运行历史进行 记录，这样当有任何异常情况发生的时候，我们都能够通过日志探寻问题发生的原因——跟记录飞机运行状态的黑匣子的作用十分类似。

原理看起来并不复杂，不过log file实际上并不简单。为了让log file具有可读性，log file并不可以按照各个网站所有者的喜好随意记录的，而是有自己的规范。W3C组织定义了server log file的通用格式（如果你有兴趣，可以在这里看看这些格式都是如何定义的：http://www.w3.org/Daemon/User/Config/Logging.html#common_logfile_format）， 而其他一些组织或者个人又根据自己的需要额外扩展了这个格式，使log file能够比较全面地记录网站服务器进行的各种活动。

一条标准的web server log记录通常包含如下信息：

• 远程主机（Remote Host）的IP地址/名字
• 登录名（Log Name）
• 登录全名（Full Name）
• 请求发生的日期（Date）
• 请求发生的时间（Time）
• 和标准格林威治时间的差值（GMT Offset）
• 请求的方法（Request Method）
• 请求的文件的地址（File）
• 请求遵守的协议（Protocol）
• 请求的状态（Status）
• 被请求文档的长度（Length）