需按小时聚合nginx日志的请求数、流量和uv，跨多日对比均值与标准差识别稳定波峰（如10:00、20:00）和波谷（如03:00–05:00），并用goaccess可视化验证业务真实性。
要统计 Nginx 日志中每日不同时段的流量波峰与波谷规律，核心是按小时聚合请求量、流量（字节数）和独立访客（UV），再对比多日数据找出重复出现的高低谷时段。不能只看单日峰值，而要看“每日是否在相似时间反复出现高/低值”，这才是可复用的规律。
按小时提取并统计请求数与流量
日志时间字段（第 4 列）格式为 [10/Jan/2026:14:22:35 +0800]，小时信息固定位于第 14–15 字符位置：
- 统计每小时请求数：awk '{print $4}' access.log | cut -c 14-15 | sort | uniq -c | sort -nr
- 统计每小时响应总字节数（需确保日志含 $body_bytes_sent）：awk '{h=substr($4,14,2); b=$10; sum[h]+=b} END {for (i in sum) print i, sum[i]}' access.log | sort（注意：$10 是默认日志格式下 $body_bytes_sent 的列号，需先用 head -1 access.log 确认实际列位）
叠加 UV 和状态码验证真实业务高峰
单纯请求数可能被静态资源或爬虫拉高，需交叉验证：
- 每小时独立 IP 数（UV）：awk '{h=substr($4,14,2); print h,$1}' access.log | sort -k1,1 -k2,2 | uniq -w2 | awk '{uv[$1]++} END {for (h in uv) print h, uv[h]}' | sort
- 每小时 4xx/5xx 错误占比：若某小时请求激增但错误率同步上升（如 >5%），大概率是探测或异常刷量，非真实业务波峰
跨多日对齐分析识别稳定规律
取最近 7 天日志（或按业务周期选工作日/周末分别处理），统一提取每小时维度数据后横向对比：
- 用脚本将每天的小时级请求数导出为 CSV，列名为 Hour, Day1, Day2, ..., Day7
- 计算每小时的均值与标准差，标准差小且均值高的小时（如 10:00、20:00）即为稳定波峰；均值低且波动小的（如 03:00–05:00）即为规律性波谷
- 避免跨天干扰：用 grep '10/Jan/2026' access.log 先筛出单日，再处理，防止时区或日志轮转导致时间错位
用 goaccess 快速生成趋势图辅助判断
命令行聚合适合定量，图形化更易发现模式：
- 运行：goaccess access.log -a --date-format=%d/%b/%Y --time-format=%H:%M:%S --log-format='%h %^ [%d:%t %^] "%r" %s %b "%R" "%u"' --output=report.html
- 打开 report.html → 进入 Hourly Requests 标签页，勾选多日数据，观察曲线是否呈现“双峰”（早高峰+晚高峰）或“单峰”（如企业 SaaS 集中在工作时间）
- 点击某高峰小时，下钻查看该时段 Top URL 和 User-Agent，确认是否来自真实用户行为（如大量 Chrome 访问首页）而非监控探针或 CDN 回源
