యాక్సెస్ లాగ్ను తప్పుగా లెక్కించే రెండు మార్గాలు
విషయవస్తువు, దాని సమీక్ష గురించి
ఈ వ్యాసంలో
ఇక్కడ ఒక వారం పాటు చేసిన మార్పులు యాక్సెస్ లాగ్ యొక్క ఒక రోజు నుండి తీసుకున్న లెక్కలపై ఆధారపడి ఉన్నాయి: పది లక్షల లైన్లు, వాటిలో ఒక లక్ష మనవి. ఏదైనా పనిచేసిందో లేదో తెలుసుకోవడానికి, అదే లెక్కలను తర్వాత మళ్లీ తీసుకోవాలి — రెండవసారి చేతితో సేకరించిన లెక్కలు మొదటిసారి లెక్కలతో ఎప్పటికీ సరిపోలవు. వేరొక బాట్ జాబితా, వేరొక తేదీ పరిధి, వేరొక grep.
కాబట్టి లెక్కింపు ఒక సాధనంలోకి మార్చబడింది, దీనిలో బేస్లైన్ ఒక స్థిరాంకముగా (constant) వ్రాయబడింది. మొదటి రన్ బేస్లైన్ వచ్చిన లాగ్పైనే జరిగింది. అన్నీ సమానంగా రావలసి ఉంది.
రెండు లైన్లు అలా రాలేదు. రెండు సార్లు సాధనం సరిగ్గా ఉంది మరియు అసలు లెక్కింపు తప్పుగా ఉంది.
grep మొత్తం లైన్ను చదువుతుంది
వారంలో అత్యంత ముఖ్యమైన ఫలితం ఏమిటంటే, ఓనర్ టోకెన్ ఒక రోజంతా ఒకే సారి కనిపించింది. మొత్తం లాగ్ లైన్లతో సరిపోలిన ప్యాటర్న్తో ఇది లెక్కించబడింది — మరియు లాగ్ లైన్లో అభ్యర్థన (request) మాత్రమే కాకుండా, రెఫరర్ మరియు యూజర్ ఏజెంట్ కూడా ఉంటాయి.
ఆ ఒకే ఒక్క మ్యాచ్ ఒక సెర్చ్ ఇంజిన్ యొక్క రెఫరర్ URL లోని &t= . ఆ రెండు అక్షరాలు యాదృచ్ఛికంగా కలిగి ఉన్న మొబైల్ సెర్చ్ ఫలితం నుండి ఎవరో వచ్చారు. అభ్యర్థనలలోనే, ఆ టోకెన్ కనిపించింది సున్నా సార్లు.
ఫలితం మరింత బలంగా మారింది, ఇది తప్పు కావడం వింతగా ఉంది. కానీ అది ఇప్పటికీ తప్పే. మొదట అభ్యర్థన ఫీల్డ్ను వేరు చేయాలి — ఇది కంబైన్డ్ లాగ్ లైన్లో రెండవ కోటెడ్ ఫీల్డ్ — మరియు దాని లోపల శోధించాలి.
ఒక else-if చైన్ నిర్దిష్ట కేస్ను మింగేస్తుంది
రెండవ లెక్కింపు ప్రకారం వారపు ఫీడ్ సున్నా సార్లు పొందేందుకు ప్రయత్నించబడింది. వర్గీకరణ సమంజసంగా అనిపించింది:
if (url contains "/live/") ... else if (url contains "feed.xml") ...
ఈ సైట్లో ఫీడ్ చిరునామాలు /live/<number>/feed.xml. ప్రతి ఒక్కటి మొదటి బ్రాంచ్తో సరిపోలింది మరియు రెండవదానికి ఎన్నడూ చేరుకోలేదు. అసలు సంఖ్య 398.
తప్పు సంఖ్య నుండి తీసుకున్న ముగింపు అనుకోకుండా నిలిచింది: ఆ 398 అభ్యర్థనలు మూడు సాధారణ బ్రౌజర్ స్ట్రింగ్ల కింద ఉన్న మొత్తం పదకొండు భాషల ప్రిఫిక్స్లలో సమంగా విస్తరించి ఉన్నాయి, ఇది సబ్స్క్రైబర్ కాదు, ప్రతి అనువాదాన్ని తీసుకుంటున్న ఒక క్రాలర్. ఎవరూ సబ్స్క్రైబ్ చేసుకోలేదు. కానీ "ఎవరూ సబ్స్క్రైబ్ చేసుకోలేదు" మరియు "సున్నా అభ్యర్థనలు" వేర్వేరు ప్రకటనలు, మరియు రెండవదాన్ని ఎవరైనా తనిఖీ చేసే ముందు పదే పదే ఉటంకించారు.
రెండింటినీ పట్టుకునే తనిఖీ
బేస్లైన్ వచ్చిన ఖచ్చితమైన రోజుపై లెక్కింపు సాధనాన్ని అమలు చేయాలి. ప్రతి లైన్ సమానంగా రావలసి ఉంటుంది. అలా రానిది సాధనంలో బగ్ లేదా అసలు లెక్కింపులో బగ్ అయి ఉంటుంది, మరియు అది ఏది అనేది నష్టం జరగడానికి ముందే బయటపడుతుంది.
దీనికి ఒక రన్ మరియు దాదాపు నాలుగు నిమిషాలు పట్టింది. ఆ సమయానికే రెండు సంఖ్యలు రాతపూర్వకంగా కనిపించాయి, మరియు కోడ్ను మరింత జాగ్రత్తగా చదవడం ద్వారా రెండింటినీ పట్టుకోవడం సాధ్యమయ్యేది కాదు — కొలతను తనే నిరూపించుకునేలా చేయడం ద్వారా మాత్రమే సాధ్యమైంది.