2015百度一道面试题引发的思考（shell脚本和网络）
前言
百度2面出了这样一题（前篇博文求职之路中有提到），给你一个log文件，文件中有3列，分别为ip，访问时间， 和访问内容。你用shell脚本找出访问频率最高的10个IP。
因为平时用shell脚本也就是配置些文件，自动化部署一些软件，突然遇到这个问题。还真不知道怎么弄呢，反正知道要排序，当时就没答出来。回来在网上找了下，网上有很多类似的解答。下面给出几种解答方式，一一道来啊。
一、log格式分析
就利用ubuntu httpserver 安装配置（apache+mysql+php） 中部署的httpsever产生的log文件，目录为：/var/log/apache2/access.log .log格式如图1所示
图1 httpseverlog格式
二、解答
解答一
shell脚本：cat /var/log/apache2/access.log | awk -F - '{print $1}' | sort | uniq -c | sort -rn
或者直接：awk -F - '{print $1}' /var/log/apache2/access.log | sort | uniq -c | sort -rn
awk -F - '{print $1}' 是一行中以-为分隔符打印第一列；
sort 排序（默认是升序，降序用sort -r）；
uniq -c 计数并去重（仅去重用uniq即可）
sort -rn 以计数降序排序
结果如图2所示第一列为访问次数 第二列是ip；
图2 找出访问量最大的几个IP
解答二
shell 脚本：cut -d- -f 1 /var/log/apache2/access.log |sort| uniq -c | sort -rn | head -10
cut -d- -f 1 /var/log/apache2/access.log 其中-d-表示以 - 为分隔符； -f 1表示打印第一列
后面的和解答1都一样 无需解释，结果和解答一完全一样。
三、补充
下面再补充一点啊
1）列出某一ip访问了哪些页面
grep ^223.3.52.172 /var/log/apache2/access.log | awk '{print $1,$7}' | head -30
说明^223.3.52.172 表示以该ip开始的一行，后面的上面都解释过了
结果如图3所示
图3 某一ip访问过的页面
某一页面被访问的次数：grep "/file1" /var/log/apache2/access.log | wc -l
ip访问总量 ：awk -F - '{print $1}' /var/log/apache2/access.log | wc -l
参考 http://www.jb51.net/article/53954.htm学习并列举一下哈
1、查看当天有多少个IP访问：
awk '{print $1}' log_file|sort|uniq|wc -l
2、查看某一个页面被访问的次数;
grep "/index.php" log_file | wc -l
3、查看每一个IP访问了多少个页面：
awk '{++S[$1]} END {for (a in S) print a,S[a]}' log_file
4、将每个IP访问的页面数进行从小到大排序：
awk '{++S[$1]} END {for (a in S) print S[a],a}' log_file | sort -n
5、查看某一个IP访问了哪些页面：
grep ^111.111.111.111 log_file| awk '{print $1,$7}'
6、去掉搜索引擎统计当天的页面：
awk '{print $12,$1}' log_file | grep ^\"Mozilla | awk '{print$2}' |sort | uniq | wc -l
7、查看2009年6月21日14时这一个小时内有多少IP访问：
awk '{print $4,$1}' log_file | grep 21/Jun/2009:14 | awk '{print$2}'| sort | uniq | wc -l