熱線電話：13121318867

登錄
首頁精彩閱讀python腳本實現分析dns日志并對受訪域名排行
python腳本實現分析dns日志并對受訪域名排行
2018-02-05
收藏

python腳本實現分析dns日志并對受訪域名排行

前段時間有個需求是要求查一段時間的dns上的域名訪問次數排行(top100)，沒辦法，只好慢慢的去解析dns日志唄，正好學習了python，拿來練練手。

1.原始數據分析：

首先看下原始數據文件，即dns日志內容，下面是抽取的幾條有代表性的日志，2×8.2×1.2x.1×5 這種中間的x是相應的數字被我抹去了。

代碼如下:
13-08-30 03:11:34,226 INFO : queries: – |1×3.2×8.2×0.2×0|config.dengluqi.net||config.34245.com.;127.0.0.1;||A|success|+|–G—- qr rd ra |1|

13-08-30 03:11:34,229 INFO : queries: – |1×3.2×8.2x.2×8|p19.qhimg.com|default|2×8.2×1.2x.1×5;|default;|A|success|+|—w— qr aa rd ra |8061|

13-08-30 03:11:34,238 INFO : queries: – |1×3.2×8.x.9x|shu.taobao.com|default|2×8.2×1.2x.1×5;|default;|A|success|+|—w— qr aa rd ra |59034|

13-08-30 03:11:34,238 INFO : queries: – |1×3.2×8.2×7.1×2|cncjn.phn.live.baofeng.net|default|2×8.2×1.2x.17x;|default;|A|success|+|—w— qr aa rd ra |3004|


可以看出中間的日志采用的是|  分割的，shu.taobao.com 即為我們想要的數據域名，至于域名訪問次數統計，則每個域名的一條記錄算一次訪問。由此我們可以確定一下兩點：

a)采用| 作為分割符

b)第二個字段domain為目標數據，我們用作鍵值，即字典的key

c)domain[key]存儲相應域名的訪問次數

2.腳本構思：

a)我們的dns日志都是隔一段時間自動切割、壓縮為gz文件，因此首先必須采用gzip.open去打開gz文件，這里需要導入gz庫。

b)要求查找的是一段時間的域名排行，所以必須有得過濾一段時間，這里我采用了正則的方式去過濾，so導入re正則庫。

c)排序，必須對結果進行排序，然后輸出topXX的結果，由于是采用字典保存的，而字典是亂想的，所以必須有合適的辦法去排序，字典的iteritems正好適用。

3.腳本編寫：

明白了大致要點，腳本寫起來就很easy了。

代碼如下：

代碼如下:
#write by siashero
import gzip
import re
file = gzip.open("e:\python_programs\queries.log.CBN-XA-1-3N3.20130803160052.gz")
domain_list= {}
print "time format is 13-08-04 19:1{1,2,3,4,5} "
time = raw_input("please enter a time you want to analysis")
while True:
line = file.readline()
if not line:
break
if re.search(time,line):
domain = line.split(‘|')[2]
if domain in domain_list:
domain_list[domain] += 1
else:
domain_list[domain] = 1
count = 0
for v in sorted(domain_list.iteritems(),key =lambda x:x[1],reverse=True):
print v[1],v[0]
#to print the only top20 domain
if count > 20:
break
count += 1
raw_input("enter a word to finish")
file.close

稍微說下腳本內容，queries.log.CMN-CQ.20130830031330.gz 為具體的一個目標文件，腳本主要是采用字典存儲，以domain字段作為key，domain[key]存儲訪問次數。

稍后調用字典的iteritems 方法生產迭代器進行排序，最后輸入top100的域名。

最后的raw_input(“enter a word to finish”) 是因為我在win7下測試的，默認執行完就一閃而過了，加入這行純碎是為了觀察結果，linux下可以刪去。

這里稍微別扭的是時間的過濾采用的是正則去過濾的，所以要求輸入必須是正則的方式，這點麻煩。

3.執行

說了大半天了，還是先跑下看看效果吧。

可以看出正常輸出了top20的域名。

4.總結：

大致實現了相應的要求，只是很多的文件處理的不大好。例如采用正規去過濾時間段，在數據量很大的情況下會對性能有影響。同時感謝同事,最后的字典的排序方法我是抄他的，感謝個～



CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

python 字段 數據分析

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇改善企業數據管理流程七個建議
下一篇國內普遍認可的數據分析師認證，持證者前景一片藍海
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢