awk数组详解及企业实战案例
原文：http://www.cnblogs.com/hackerer/p/5365967.html#_label0
3.打印数组：
1. [[email protected] test]# awk ‘BEGIN{array[1]="zhurui";array[2]="zhuzhu";for(key in array) print key,array[key]}‘
2. 1 zhurui
3. 2 zhuzhu
4. [[email protected] test]#
1. [[email protected] test]# awk ‘BEGIN{array[1]="zhurui";array[2]="zhuzhu";}END {for(key in array) print key,array[key]}‘/etc/hosts
2. 1 zhurui
3. 2 zhuzhu
1. 把文件内容第一列作为下标，第二列作为值，放入数组然后输出。
2. [[email protected] test]# cat t3.log
3. 1 zhurui
4. 2 zhuzhu
5. [[email protected]erver test]# awk ‘BENGIN{S[$1]=$2;}END{for(k in S) print k,S[k]}‘ t3.log
6. [[email protected] test]# awk ‘{S[$1]=$2;}END{for(k in S) print k,S[k]}‘ t3.log
7. 1 zhurui
8. 2 zhuzhu
4、脚本：
1. #!/bin/awk
2. BEGIN{
3. array[1]="zhurui"
4. array[2]="zhuzhu"
5. for(key in array)
6. print key,array[key];
7. }
1. [[email protected] test]# awk -f t2.awk
2. 1 zhurui
3. 2 zhuzhu
4. [[email protected] test]#
5.把文件内容第一列作为下标k，第二列作为值S[k]，放入数组S[]然后输出。
1. [[email protected] test]# cat t3.log
2. 1 zhurui
3. 2 zhuzhu
4. [[email protected] test]# awk ‘BENGIN{S[$1]=$2;}END{for(k in S) print k,S[k]}‘ t3.log
5. [[email protected] test]# awk ‘{S[$1]=$2;}END{for(k in S) print k,S[k]}‘ t3.log
6. 1 zhurui
7. 2 zhuzhu
运用综上理解，请做考试题：处理以下文件内容，将域名取出并根据域名进行计数排序处理：(百度和SOHU面试题)
test.log
http://www.judong.org/index.html
http://www.judong.org/1.html
http://post.judong.org/index.html
http://mp3.judong.org/index.html
http://www.judong.org/3.html
http://post.judong.org/2.html
1. [[email protected] test]# awk -F "/"‘{S[$3]=S[$3]+1;}END{for(k in S) print k,S[k]}‘ test.log
2. mp3.judong.org 1
3. post.judong.org 2
4. www.judong.org 3
最终答案：
1. [[email protected] test]# awk -F "/"‘{S[$3]++}END{for(k in S) print k,S[k]}‘ test.log|sort -rn -k2|head
2. www.judong.org 3
3. post.judong.org 2
4. mp3.judong.org 1
5. [[email protected] test]#
例3：统计Web日志单IP访问排名（这个工作中常用，面试也常用）
对于统计访问连接IP个数的答案为：
1. [[email protected] test]# awk -F " "‘{S[$1]=S[$1]+1;}END{for (k in S) print k,S[k]}‘ access-test.log|sort -rn|head ##此方法较复杂
2. 10.0.0.3775
3. 10.0.0.1322
4. 10.0.0.1245
5. 10.0.0.1202
6. 10.0.0.1082
7. 10.0.0.1001
8. [[email protected] test]# awk -F " "‘{S[$1]++;}END{for (k in S) print k,S[k]}‘ access-test.log|sort -rn|head ##上一步的简化版
9. 10.0.0.3775
10. 10.0.0.1322
11. 10.0.0.1245
12. 10.0.0.1202
13. 10.0.0.1082
14. 10.0.0.1001
15. [[email protected] test]# awk -F " "‘{Z[$1]++;}END{for (k in Z) print k,Z[k]}‘ access-test.log|sort -rn|head
16. 10.0.0.3775
17. 10.0.0.1322
18. 10.0.0.1245
19. 10.0.0.1202
20. 10.0.0.1082
21. 10.0.0.1001
方法1：
方法2：
例4：统计企业工作中高并发linux服务器不同网络连接状态对应的数量
方法1：
1. [[email protected] test]# awk ‘/^tcp/ {S[$NF]++}END{for(k in S) print S[k],k}‘ netstat.log|sort -rn|head
2. 105 TIME_WAIT
3. 101 ESTABLISHED
4. 55 FIN_WAIT2
5. 7 FIN_WAIT1
6. 5 SYN_RECV
7. 5 LISTEN
8. 3 LAST_ACK
9. 1 CLOSING
10. [[email protected] test]#
方法2：
1. [[email protected] test]# awk ‘/^tcp/ {print $NF}‘ netstat.log|sort|uniq -c|sort -rn|head
2. 105 TIME_WAIT
3. 101 ESTABLISHED
4. 55 FIN_WAIT2
5. 7 FIN_WAIT1
6. 5 SYN_RECV
7. 5 LISTEN
8. 3 LAST_ACK
9. 1 CLOSING
10. [[email protected] test]#
例5：
分析图片服务日志，把日志（每个图片访问次数*图片大小的总和）排行，取top10，也就是计算每个url的总访问大小
说明：范例7的生产环境应用：这个功能可以用于IDC及CDN网站流量带宽很高，然后通过分析服务器日志哪些元素占用流量过大，进而进行优化裁剪该图片（见老男孩发布的《淘宝的双十一超大流量应对文章点评》），压缩js等措施。
本题需要输出三个指标： 【访问次数】 【访问次数*单个文件大小】 【文件名（可以带URL）】
解答：
测试数据
59.33.26.105 - - [08/Dec/2010:15:43:56 +0800] "GET /static/images/photos/2.jpg HTTP/1.1" 200 11299"http://oldboy.blog.51cto.com/static/web/column/17/index.shtml?courseId=43" "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 2.0.50727; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729)"
59.33.26.105 - - [08/Dec/2010:15:43:56 +0800] "GET /static/images/photos/2.jpg HTTP/1.1" 200 11299"http://oldboy.blog.51cto.com/static/web/column/17/index.shtml?courseId=43" "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 2.0.50727; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729)"
59.33.26.105 - - [08/Dec/2010:15:44:02 +0800] "GET /static/flex/vedioLoading.swf HTTP/1.1" 200 3583"http://oldboy.blog.51cto.com/static/flex/AdobeVideoPlayer.swf?width=590&height=328&url=/[[DYNAMIC]]/2" "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 2.0.50727; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729)"
124.115.4.18 - - [08/Dec/2010:15:44:15 +0800] "GET /?= HTTP/1.1" 200 46232 "-" "-"
124.115.4.18 - - [08/Dec/2010:15:44:25 +0800] "GET /static/js/web_js.js HTTP/1.1" 200 4460 "-" "-"
124.115.4.18 - - [08/Dec/2010:15:44:25 +0800] "GET /static/js/jquery.lazyload.js HTTP/1.1" 200 1627 "-" "-"
法一：通过两个数组来计算
因为我们要的最终结果是某个文件的访问次数和消耗的流量，所以考虑建立以文件名为索引的两个数组，一个存储访问次数，一个保存消耗的流量，这样当使用awk按行遍历文件时，对次数数组+1，同时对流量数组进行文件大小的累加，等文件扫描完成，再遍历输出两个数组既可以得到该文件的反问次数和总的流量消耗。
[[email protected] scripts]# awk ‘{array_num[7]++;arraysize[7]++;arraysize[7]+=$10}END{for(x in array_num){print array_size[x],array_num[x],x}}‘ access_2010-12-8.log |sort -rn -k1|head -10 >1.log
法二：
[[email protected] scripts]# awk ‘{print 7"\\t"7"\\t"10}‘ access_2010-12-8.log|awk ‘{S[1]+=1]+=2;S1[$1]+=1}END{for(i in S) print S[i],S1[i],i}‘|sort -rn|head -10 >2.log
[[email protected] scripts]# diff 1.log 2.log
[[email protected] scripts]# cat 1.log
57254 1 /static/js/jquery-jquery-1.3.2.min.js
46232 1 /?=
44286 1 //back/upload/course/2010-10-25-23-48-59-048-18.jpg
33897 3 /static/images/photos/2.jpg
11809 1 /back/upload/teacher/2010-08-30-13-57-43-06210.jpg
10850 1 /back/upload/teacher/2010-08-06-11-39-59-0469.jpg
6417 1 /static/js/addToCart.js
4460 1 /static/js/web_js.js
3583 2 /static/flex/vedioLoading.swf
2686 1 /static/js/default.js