nginx中awk用于离线分析access.log的状态码分布占比，通过提取第9字段（默认）、过滤非数字状态码、统计频次并计算百分比，支持按时间范围或实时流式处理。
在 Nginx 中，awk 本身不直接集成在 Nginx 进程里，而是作为外部命令行工具，配合 Nginx 访问日志文件（如 /var/log/nginx/access.log）做离线分析。所谓“状态码分布占比矩阵”，通常指按 HTTP 状态码（如 200、404、502 等）统计出现次数，并计算各自占总请求数的百分比——这不是真正的二维矩阵，而是带占比的频次统计表。
确认日志格式并提取状态码字段
Nginx 默认日志格式中，状态码是第 9 字段（以空格分隔），但实际位置取决于你定义的 log_format。最稳妥方式是先用 head -1 看一行日志，再用 awk -F' ' '{print $9}' 测试是否为状态码：
- 若使用默认
combined格式：awk '{print $9}' /var/log/nginx/access.log - 若自定义格式含引号或复杂分隔（如 JSON 日志），建议先用
awk -F'"' '{print $3}'或正则提取，例如：awk -F'"' '{match($3, / [0-9]{3} /); if (RSTART) print substr($3, RSTART+1, 3)}'
统计各状态码频次并计算占比
用单条 awk 命令完成计数 + 汇总 + 百分比计算（避免多次遍历）：
awk '{code[$9]++} END {for (c in code) total += code[c]; for (c in code) printf "%s: %d (%.2f%)\n", c, code[c], code[c]/total*100}' /var/log/nginx/access.log | sort -k3nr
说明：
-
code[$9]++以状态码为键累计次数 -
END块中先求总数total，再对每个状态码算百分比 -
sort -k3nr按第三列（百分比）降序排列，便于一眼看出高频状态码
过滤无效状态码并增强可读性
日志中可能出现 “-”、“000” 或非数字字段，可加条件过滤：
- 只统计标准三位数字状态码：
awk '$9 ~ /^[1-5][0-9]{2}$/ {code[$9]++} ... - 排除 000 和短连接中断标记：
!($9 == "000" || $9 == "-") - 合并同类错误提升可读性（如把 400/401/403/404 归为 “4xx Client Error”）：
awk '{if ($9 ~ /^2../) cls="2xx"; else if ($9 ~ /^3../) cls="3xx"; else if ($9 ~ /^4../) cls="4xx"; else if ($9 ~ /^5../) cls="5xx"; else cls="other"; code[cls]++} ...
结合时间范围或实时流式分析
若需分析某一时段（如最近 1 小时）：
- 配合
sed -n '/2024.*Jul.*10:30/,/2024.*Jul.*11:30/p'截取时间范围（需日志含标准时间格式） - 监控实时日志流：
tail -f /var/log/nginx/access.log | awk '{code[$9]++; if (NR % 1000 == 0) {for(c in code) print c, code[c] | "sort -k2nr"}}'（每 1000 行输出一次快照）
