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# Minor chinese search engines 'baidu\.com','search\.sina\.com','search\.sohu\.com',這3個搜索引擎。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)

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/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

http://www.maxmind.com/download/geoip/database/GeoLiteCity.dat.gz
http://www.maxmind.com/download/geoip/database/GeoIP.dat.gz