论“性能需求分析”系列专题(四)之 WebLog Expert的应用

本文涉及的产品
性能测试 PTS,5000VUM额度
日志服务 SLS,月写入数据量 50GB 1个月
简介:

借助WebLog Expert能够分析网站的流量记录,本篇文章对其进行展开详细的介绍。

WebLog Expert能够分析网站的流量记录,从原始的流量记录中分析出Activity statistics、Access statistics、Information about visitors、Referrers、Information about errors等基本而重要的信息,能够帮助我们更加方便快捷地了解和分析网站的使用状况。该工具可针对Apache、IIS服务器的日志进行分析,使用起来非常简便。

接下去,从WebLog Expert的安装到进行服务器日志分析,进而获得性能需求逐步揭开这一工具的面纱。

最新版本的WebLog Expert软件可从http://www.weblogexpert.com/下载获得,安装过程非常简单,这里不再赘述。

安装完成后,点击【开始】—【程序】—【WebLog Expert Lite】—【WebLog Expert Lite】打开WebLog Expert工具,进入WebLog Expert使用主界面,如图1所示。列表中显示的每行记录为一个分析对象,针对每条记录都可进行“编辑、删除和分析”操作。

clip_image001[6]

图1

认识了WebLog Expert主界面后,我们来创建一次日志分析。在主界面上点击【New】按钮,将弹出General对话框(如图2),在该对话框中分别填写Profile、Domain和Index。其中,Profile表示在主界面和分析报告中显示的名字;Domain为网站的域名;Index为分析报告的首页文件名。

点击【下一步】按钮,将显示如图3所示对话框。在此对话框中输入等分析的日志文件名(可使用通配符),如:c:\logs\access.log或c:\logs\*.log。

clip_image002[5] 、

图2

clip_image003[5]

图3

点击【完成】,将在图1所示的主界面中增加一条新的记录。

在主界面中,选中新添加的名为“Weind Site”的记录,点击【Analyze】按钮启动分析功能。一段时间后,即可生成一份较完备的日志分析结果文件,如图4所示。

clip_image004[6]

图4

日志分析结果文件中呈现出了很多实用的信息,如:概要统计、活动统计、访问统计、访问者统计等。这些信息可为性能测试用例与场景设计提供有力支撑。下面,以河北师范大学软件学院Apache服务器的日志文件分析结果为例,对分析结果中的各项信息进行解释。

我自己单位的Apache服务器的日志文件主要记载的是“Bugfree缺陷管理系统的访问情况”。图5给出了Bugfree系统在2008年12月11日至 2010 年12月30日期间的系统访问日志分析报告的概要统计信息(General Statistics)。

clip_image005[6]

图5

General Statistics(概要统计):对系统当前的一些基础性能指标进行统计,提供出相应指标的一些平均和总计数值。这一信息有助于我们掌握系统在某段时间内的整体情况,如:PV(页面访问量)。从图1.14可知,在2008年12月11日至 2010 年12月30日期间,Bugfree系统共有5417用户进行访问(Visitors),点击量达到1670868次(Hits),页面访问量达到492092次(Page Views),总带宽使用8.85GB。

Activity Statistics(活动统计):General Statistics提供了整个系统在运行期间,某些指标的平均和总计数值,但对性能测试而言,这些平均和总计数值往往是不够的,我们还需要查看一些峰值数据,或者说更希望看到各指标在不同时间段内的值分布情况。Activity Statistics就能提供出每天甚至每小时内各项指标数据,如每日用户访问量、每日点击量、每小时用户访问量、每小时点击量等。根据这些数据生成的图表反应了相关指标的分布趋势和峰值。图6和图7显示了我工作单位Bugfree缺陷管理系统的Activity Statistics信息,从图表中很容易查看各指标的分布趋势和峰值,轻松分析出某天或某个时间段的峰值数。这些数据在用例和场景设计时十分有用。

clip_image007[4]

图6

clip_image008[4]

图7

Access Statistics(访问统计):Activity Statistics提供每天、每小时的各项指标数据,侧重于各指标在时间上的分布,而Access Statistics反应的是业务或页面等的访问次数。Access Statistics菜单下支持按系统中页面、文件、图片、目录及入口页面的统计分类。Access Statistics可帮助我们确定性能测试的主要业务点(性能测试不同于功能测试,不能针对于整个系统的所有功能都开展性能测试,耗费人力物力且没有实际意义),从而更加真实有效的模拟大量用户的操作。图8显示了软件学院Bugfree缺陷管理系统的Access Statistics信息(这里涉及图表过多,只是进行了部分展示)。从图表中可得出“每日页面访问趋势”及“最热门的访问页面”,这些信息对性能测试的用例及场景设计具有很强的参考价值。

clip_image010[4]

图8

Visitors(用户统计):提供依据IP来分类统计的点击量、用户访问量及带宽等各指标值,如图9,它能够帮助我们更好的分析访问用户的类型及带宽等用户感受。

clip_image011[5]

图9

以上介绍了使用WebLog Expert进行性能需求分析的常用图表。实际上,WebLog Expert中还有其他的很多图表,如Referrers(提交统计):可提供最热站点、最热URL等指标分布数据;Browsers(浏览器统计):可提供用户使用的各类浏览器和操作系统的分配比例,方便读者在性能测试中更真实的模拟用户使用情况;Errors(错误统计):可提供系统运行期间出现错误的统计,通过这些信息能够帮助读者定位系统中存在的问题,进而通过分析问题发生原因,在新版本系统中有效避免等。

总之,WebLog Expert工具简单易用,功能强大,能够帮助读者有效地分析系统日志,进而更好地开展性能需求分析工作。建议读者结合一个日志文件,使用该工具进行一次性能需求分析,从而更深刻地理解各图表含义。

注意:

除了WebLog Expert工具之外,市场上还有很多款不错的日志分析工具,可以帮助我们针对不同的日志文件进行分析统计,进而帮助我们方便的获取性能测试需求。这里汇总了一些较常用的软件共享给大家,有兴趣的读者可以进行研究分析。1)Analog:开源软件,免费;2)AWStats:开源软件,免费;3)Webalizer:开源软件,免费;4)Summary:商业软件,有30天试用版;5)WebTrends:商业软件。


到此有关 论“性能需求分析”系列专题 就搞一段落,希望大家多多交流。













本文转自hblxp32151CTO博客,原文链接:http://blog.51cto.com/starpoint/1320439,如需转载请自行联系原作者

相关实践学习
通过性能测试PTS对云服务器ECS进行规格选择与性能压测
本文为您介绍如何利用性能测试PTS对云服务器ECS进行规格选择与性能压测。
相关文章
|
2月前
|
供应链 Java 开发者
Monolithic Architecture 的优缺点分析
Monolithic Architecture 的优缺点分析
|
2月前
|
存储 监控 数据挖掘
如何评估并优化OLAP系统的性能和可扩展性?
【5月更文挑战第14天】如何评估并优化OLAP系统的性能和可扩展性?
18 0
|
2月前
|
监控 数据挖掘 OLAP
如何评估OLAP系统的性能瓶颈?
【5月更文挑战第14天】如何评估OLAP系统的性能瓶颈?
24 0
|
存储 机器学习/深度学习 网络架构
【模型性能杀器解读】如果项目的模型遇到瓶颈,用这些Tricks就对了!!!(一)
【模型性能杀器解读】如果项目的模型遇到瓶颈,用这些Tricks就对了!!!(一)
145 0
【模型性能杀器解读】如果项目的模型遇到瓶颈,用这些Tricks就对了!!!(二)
【模型性能杀器解读】如果项目的模型遇到瓶颈,用这些Tricks就对了!!!(二)
105 0
|
2月前
|
关系型数据库 MySQL 测试技术
通过performance_schema定量分析系统瓶颈
目前在系统里面, 我们可以通过perf 或者 pt-pmp 汇总堆栈的方式来查看系统存在的热点, 但是我们仅仅能够知道哪些地方是热点, 却无法定量的说这个热点到底有多热, 这个热点占整个访问请求的百分比是多少? 是10%, 还是40%, 还是80%?所以我们需要一个定量分析系统瓶颈的方法以便于我们进...
59 0
|
关系型数据库 MySQL 测试技术
通过performance_schema 定量分析系统瓶颈
目前在系统里面, 我们可以通过perf 或者 pt-pmp 汇总堆栈的方式来查看系统存在的热点, 但是我们仅仅能够知道哪些地方是热点, 却无法定量的说这个热点到底有多热, 这个热点占整个访问请求的百分比是多少? 是10%, 还是40%, 还是80%? 所以我们需要一个定量分析系统瓶颈的方法以便于我们进行系统优化. 本文通过Performance_schema 来进行定量的分析系统性能瓶颈
131 0
|
传感器 运维
故障检测指标的贡献分析(Reconstruction Based Contribution,RBC)新方法
故障检测指标的贡献分析(Reconstruction Based Contribution,RBC)新方法
故障检测指标的贡献分析(Reconstruction Based Contribution,RBC)新方法
|
开发框架 缓存 数据可视化
高性能-性能评估及工具
性能问题是架构前想的还是之后想的?评估什么?
115 0
|
SQL 存储 数据采集
【详谈 Delta Lake 】系列技术专题 之 基础和性能(Fundamentals and Performance)
本文翻译自大数据技术公司 Databricks 针对数据湖 Delta Lake 的系列技术文章。众所周知,Databricks 主导着开源大数据社区 Apache Spark、Delta Lake 以及 ML Flow 等众多热门技术,而 Delta Lake 作为数据湖核心存储引擎方案给企业带来诸多的优势。本系列技术文章,将详细展开介绍 Delta Lake。
【详谈 Delta Lake 】系列技术专题 之 基础和性能(Fundamentals and Performance)

热门文章

最新文章