使用 GoAccess 分析 Nginx 访问日志 — 从入门到自动化

为什么需要日志分析

每个网站都在产生访问日志，但大多数人只在出问题时才去翻日志。其实 Nginx 的 access.log 里藏着丰富的运维信息：多少真实用户在访问、哪些页面最受欢迎、爬虫占了多少带宽，甚至是某些"伪装成浏览器"的恶意爬虫——这些都能从日志中挖掘出来。

相比在前端埋 JS 统计代码（如 Google Analytics、百度统计），日志分析有以下优势：

零侵入：不需要修改任何前端代码，不需要用户加载额外脚本
数据完整：爬虫、API 调用、404 错误、静态资源请求，JS 统计统计不到的部分，日志都有
无隐私合规问题：数据完全在自己服务器上，不需要给第三方
历史回溯：只要日志在，随时可以分析任意时间段

代价是没有页面停留时间、点击热图等用户行为数据。但对于运维监控、SEO 分析和安全审计，日志分析足够了。

GoAccess 是什么

GoAccess 是一个用 C 语言编写的开源实时 Web 日志分析器，支持终端交互查看和生成 HTML/JSON/CSV 报表。

几个关键特点：

极轻量：二进制文件不到 3MB，解析百万行日志只需几秒
无需数据库：直接读日志文件，不产生额外存储开销
支持多种日志格式：Apache/Nginx 的 COMBINED、VCOMMON 格式，也支持自定义
内置 GeoIP：自动解析 IP 地理位置，生成来访国家/城市分布
爬虫识别：内置爬虫 User-Agent 库，能区分人类和搜索引擎蜘蛛

安装

CentOS / RHEL：

yum install -y epel-release
yum install -y goaccess

Ubuntu / Debian：

apt install -y goaccess

macOS：

brew install goaccess

安装完成后验证：

goaccess --version
# GoAccess 1.10.2

基础用法

1. 终端交互模式

最直观的方式，直接在终端里浏览实时报表：

goaccess access.log --log-format=COMBINED

按 Tab 切换面板，F5 刷新。你能看到：

总请求数、独立访客、带宽消耗
请求量 Top 10 页面
来访 IP Top 10
操作系统和浏览器分布
HTTP 状态码分布
来源网站（Referrer）排行

2. 生成静态 HTML 报表

这是最推荐的用法——生成一份完整的 HTML 报表，下载到本地浏览器查看：

goaccess access.log 
  --log-format=COMBINED 
  --no-query-string 
  -o report.html

参数说明：

--log-format=COMBINED：指定 Nginx 默认的 Combined 日志格式
--no-query-string：去掉 URL 中的查询参数，避免在报表中暴露敏感信息（如 token、密码）
-o report.html：输出文件路径

生成的 HTML 是自包含的（JS/CSS 全部内联），一个文件就能看到完整的交互式仪表盘。以 45MB 的日志文件为例，解析 + 生成耗时约 5 秒，输出文件约 2-3MB。

3. 导出 CSV 数据

如果需要将数据导入 Excel 或其他分析工具：

goaccess access.log 
  --log-format=COMBINED 
  --no-query-string 
  --output=csv 
  > report.csv

CSV 输出包含所有面板的数据：总体指标、访客数、请求文件、静态文件、来源 URL、HTTP 状态码、操作系统、浏览器、地理位置、爬虫等。

实用场景

场景一：分析多日日志

Nginx 通常会按天轮转日志（如 access.log-20260720.gz）。要分析最近 7 天的数据：

cd /var/log/nginx/
zcat access.log-202607{20,21,22,23,24,25,26}.gz | 
  cat - access.log > /tmp/combined_7days.log

goaccess /tmp/combined_7days.log 
  --log-format=COMBINED 
  --no-query-string 
  -o weekly_report.html

场景二：识别爬虫占比

GoAccess 内置了主流爬虫的 User-Agent 识别库。在报表的"操作系统"面板中，会有一个 Crawlers 分类，直接告诉你：

多少请求来自爬虫
各爬虫的请求量排行（Bingbot、Googlebot、GPTBot 等）
爬虫 vs 人类的访客占比

一个健康的网站，爬虫请求占比通常在 20%-40%。如果超过 50%，可能需要关注是否被某些爬虫过度抓取。

场景三：发现"伪装"的爬虫

这是日志分析比 JS 统计强的地方——有些爬虫会用浏览器 User-Agent 伪装成真人，但行为模式会暴露它：

# 找出请求量异常的 IP
awk '{print $1}' access.log | sort | uniq -c | sort -rn | head -20

# 检查某个 IP 的实际 User-Agent
grep "^SUSPICIOUS_IP " access.log | 
  grep -oP '"[^"]+"$' | sort -u

常见特征：

同一个 IP 在短时间内发起上千次请求（正常用户不会这样）
User-Agent 声称是浏览器，但夹杂着 python-requests、Go-http-client 等库名
按字母/数字顺序遍历目录（如 /A → /A1 → /A2 → /B → /C …）

场景四：热门页面与死链检查

报表中的"请求文件"面板直接展示访问量最高的页面，而"HTTP 状态码"面板能帮你发现 404 死链。如果有页面返回大量 500 错误，也能第一时间看到。

场景五：来源分析

"来源 URL"面板显示访客从哪些网站点进来的。你可以看到搜索引擎（Google、Bing、百度）和各外部链接分别带来了多少流量。

与 JS 统计工具的对比

能力	GoAccess	Google Analytics	百度统计	自托管（Umami等）
页面浏览量 (PV)	✅	✅	✅	✅
独立访客 (UV)	✅（按 IP）	✅（按 Cookie）	✅	✅
爬虫流量	✅ 天然支持	❌ 看不到	❌ 看不到	❌ 看不到
404/500 错误	✅	❌	❌	❌
带宽消耗	✅	❌	❌	❌
页面停留时间	❌	✅	✅	✅
用户点击事件	❌	✅	✅	✅
实时数据	✅	✅	✅	✅
需要改前端代码	❌ 不需要	✅ 需要	✅ 需要	✅ 需要
数据存储	无（直接读日志）	Google 服务器	百度服务器	自己服务器
隐私合规风险	无	有（GDPR）	低	无

两者不是替代关系，而是互补关系。 GoAccess 提供运维视角（服务器发生了什么），JS 统计提供用户视角（用户在页面上做了什么）。

安全注意事项

GoAccess 本身只是一个读文件的工具，不监听端口、不写文件（除你指定的输出路径），不存在攻击面。但有几个点需要注意：

1. 不要开启实时 WebSocket 面板到公网

GoAccess 有一个 --real-time-html 模式，会启动 WebSocket 服务器监听端口。历史上有几个 CVE 漏洞都与这个模式相关。离线生成静态 HTML 是最安全的方式：

# ✅ 安全做法：离线生成静态 HTML
goaccess access.log --log-format=COMBINED -o report.html

# ❌ 危险做法：实时面板直接暴露公网
goaccess access.log --real-time-html --port=7890 --addr=0.0.0.0

如果确实需要实时面板，请绑定 127.0.0.1 并通过 Nginx 反向代理 + HTTP Basic Auth 做访问控制。

2. 使用 --no-query-string 脱敏

访问日志的 URL 参数中可能包含 token、密码等敏感信息。生成报表时务必加上 --no-query-string，只保留路径部分。

3. 报表不要放在公网可访问目录

HTML 报表包含了完整的访问数据（热门页面、来访 IP、来源等），应该只供自己查看，不要放在网站根目录下。

定时自动化

配置一个 cron 定时任务，每天自动生成前一天的报表：

# 每天凌晨 2:00 生成昨日报表
0 2 * * * goaccess /var/log/nginx/access.log 
  --log-format=COMBINED 
  --no-query-string 
  -o /var/www/stats/daily_$(date -d 'yesterday' +%Y%m%d).html 
  > /dev/null 2>&1

还可以写一个简单的脚本，每周一生成上周汇总：

#!/bin/bash
# weekly_report.sh
LOG_DIR="/var/log/nginx"
OUTPUT_DIR="/var/www/stats"

yesterday=$(date -d 'yesterday' +%Y%m%d)
week_ago=$(date -d '7 days ago' +%Y%m%d)

# 合并 7 天日志
zcat ${LOG_DIR}/access.log-2026*${week_ago}*.gz 2>/dev/null | 
  cat - ${LOG_DIR}/access.log > /tmp/weekly_combined.log

# 生成报表
goaccess /tmp/weekly_combined.log 
  --log-format=COMBINED 
  --no-query-string 
  -o ${OUTPUT_DIR}/weekly_${yesterday}.html

# 清理临时文件
rm /tmp/weekly_combined.log

总结

GoAccess 的定位很清晰：一个轻量、快速、零依赖的日志分析工具。它不替代 GA/百度统计，但填补了"服务器视角"的空白——爬虫监控、错误监控、带宽分析这些是 JS 统计工具做不到或做不好的。

核心优势：

安装即用：一条 yum/apt 命令，没有任何配置文件和依赖
零性能开销：不植入前端脚本，不跑后台进程，不占数据库
报表美观实用：生成的 HTML 交互式仪表盘可以直接用来做周报
安全可控：数据不出服务器，没有隐私合规问题
排查问题的利器：404 聚合、爬虫识别、异常 IP 发现，几秒钟就能定位

如果你正在维护一个网站，花 10 分钟装个 GoAccess 跑一下日志，很可能会发现一些之前不知道的东西。

本文链接：http://bookshadow.com/weblog/2026/07/26/goaccess-nginx-log-analysis-guide/
请尊重作者的劳动成果，转载请注明出处！书影博客保留对文章的所有权利。

周一	周二	周三	周四	周五	周六	周日
2024年10月
		1	2	3	4	5
6	7	8	9	10	11	12
13	14	15	16	17	18	19
20	21	22	23	24	25	26
27	28	29	30	31