Java中Apache通过access_log评估网站PV与UV的方法-Apache-PHP中文网

apache access_log需结合java解析才能统计pv和uv：pv按有效get请求计数（过滤静态资源且状态码为2xx），uv基于cookie中的用户id（优先）或ip去重，需注意nat场景偏差及日志轮转、压缩、时区等细节。

java中apache通过access_log评估网站pv与uv的方法

Apache的access_log本身不直接区分PV（页面浏览量）和UV（独立访客），但结合Java程序解析日志，可以较准确地统计这两项核心指标。关键在于理解日志字段含义、合理定义PV/UV口径，并用Java高效处理日志行。

明确PV与UV的统计逻辑

PV按每次HTTP请求计数（通常过滤掉静态资源如CSS/JS/图片可更贴近“页面”概念）；UV则需基于客户端标识去重，最常用的是remote_addr（IP）或cookie中的用户ID（如JSESSIONID或自定义跟踪ID）。仅用IP存在局域网NAT场景下低估UV的风险，有登录体系时优先使用业务用户ID。

解析access_log的关键字段

典型Apache Combined日志格式示例：

192.168.1.100 - - [10/Jan/2024:14:23:05 +0800] "GET /article/123 HTTP/1.1" 200 3421 "https://example.com/home" "Mozilla/5.0..." "JSESSIONID=ABC123"

Java中可用正则或Apache Commons Logging工具类提取以下字段：

remote_addr：客户端IP（用于基础UV）
request_line：含HTTP方法、URL、协议（用于识别页面路径及过滤资源）
status：HTTP状态码（建议只统计2xx响应，排除失败请求）
cookie：从请求头或日志扩展字段提取（如%{Cookie}i），用于获取JSESSIONID或uid

用Java实现轻量统计（示例逻辑）

无需引入大数据框架，用Java 8+ Stream + Map即可完成日志分析：

逐行读取access_log（推荐BufferedReader，避免内存溢出）
对每行做正则匹配，提取IP、URL、状态码、Cookie值
PV计数：满足method == "GET"、status.startsWith("2")、且url.endsWith(".html") || url matches "/article/\d+"等页面规则
UV计数：将有效访问的uid（优先）或ip存入ConcurrentHashMap或HashSet，最后取size
支持时间窗口：解析日期字段，用LocalDateTime比对起止时间，实现按天/小时统计