前段時間有個需求是要求查一段時間的dns上的域名訪問次數排行(top100)，沒辦法，只好慢慢的去解析dns日志唄，正好學習了python，拿來練練手。
1.原始數據分析：
首先看下原始數據文件，即dns日志內容，下面是抽取的幾條有代表性的日志，2×8.2×1.2x.1×5 這種中間的x是相應的數字被我抹去了。
13-08-30 03:11:34,226 INFO : queries: ?C |1×3.2×8.2×0.2×0|config.dengluqi.net||config.34245.com.;127.0.0.1;||A|success|+|?CG―- qr rd ra |1|
13-08-30 03:11:34,229 INFO : queries: ?C |1×3.2×8.2x.2×8|p19.qhimg.com|default|2×8.2×1.2x.1×5;|default;|A|success|+|―w― qr aa rd ra |8061|
13-08-30 03:11:34,238 INFO : queries: ?C |1×3.2×8.x.9x|shu.taobao.com|default|2×8.2×1.2x.1×5;|default;|A|success|+|―w― qr aa rd ra |59034|
13-08-30 03:11:34,238 INFO : queries: ?C |1×3.2×8.2×7.1×2|cncjn.phn.live.baofeng.net|default|2×8.2×1.2x.17x;|default;|A|success|+|―w― qr aa rd ra |3004|
可以看出中間的日志采用的是|? 分割的，shu.taobao.com 即為我們想要的數據域名，至于域名訪問次數統計，則每個域名的一條記錄算一次訪問。由此我們可以確定一下兩點：
a)采用| 作為分割符
b)第二個字段domain為目標數據，我們用作鍵值，即字典的key
c)domain[key]存儲相應域名的訪問次數
2.腳本構思：
a)我們的dns日志都是隔一段時間自動切割、壓縮為gz文件，因此首先必須采用gzip.open去打開gz文件，這里需要導入gz庫。
b)要求查找的是一段時間的域名排行，所以必須有得過濾一段時間，這里我采用了正則的方式去過濾，so導入re正則庫。
c)排序，必須對結果進行排序，然后輸出topXX的結果，由于是采用字典保存的，而字典是亂想的，所以必須有合適的辦法去排序，字典的iteritems正好適用。
3.腳本編寫：
明白了大致要點，腳本寫起來就很easy了。
代碼如下：
#write by siashero
import gzip
import re
file = gzip.open("e:\python_programs\queries.log.CBN-XA-1-3N3.20130803160052.gz")
domain_list= {}
print "time format is 13-08-04 19:1{1,2,3,4,5} "
time = raw_input("please enter a time you want to analysis")
while True:
line = file.readline()
if not line:
break
if re.search(time,line):
domain = line.split(‘|')[2]
if domain in domain_list:
domain_list[domain] += 1
else:
domain_list[domain] = 1
count = 0
for v in sorted(domain_list.iteritems(),key =lambda x:x[1],reverse=True):
print v[1],v[0]
#to print the only top20 domain
if count > 20:
break
count += 1
raw_input("enter a word to finish")
file.close
稍微說下腳本內容，queries.log.CMN-CQ.20130830031330.gz 為具體的一個目標文件，腳本主要是采用字典存儲，以domain字段作為key，domain[key]存儲訪問次數。
稍后調用字典的iteritems 方法生產迭代器進行排序，最后輸入top100的域名。
最后的raw_input(“enter a word to finish”) 是因為我在win7下測試的，默認執行完就一閃而過了，加入這行純碎是為了觀察結果，linux下可以刪去。
這里稍微別扭的是時間的過濾采用的是正則去過濾的，所以要求輸入必須是正則的方式，這點麻煩。
3.執行
說了大半天了，還是先跑下看看效果吧。
可以看出正常輸出了top20的域名。
4.總結：
大致實現了相應的要求，只是很多的文件處理的不大好。例如采用正規去過濾時間段，在數據量很大的情況下會對性能有影響。同時感謝同事,最后的字典的排序方法我是抄他的，感謝個～
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
