Debian Golang日志中访问量统计方法

1. 使用Prometheus客户端库实现应用层访问量统计

Prometheus 是 Golang 生态里监控方案的老大哥，通过它的客户端库，我们可以非常丝滑地把应用层的访问量统计做到位，顺便还能可视化展示。起步很简单：先装个库 go get github.com/prometheus/client_golang/prometheus。接着，定义一个 CounterVec 类型的指标，按维度拆分——比如 HTTP 方法、端点——然后在应用启动时把它注册进去：

var httpRequests = prometheus.NewCounterVec(
    prometheus.CounterOpts{
        Name: "http_requests_total",
        Help: "Total HTTP requests",
    },
    []string{"method", "endpoint"}, // 按HTTP方法和端点拆分
)
prometheus.MustRegister(httpRequests)

在具体的 HTTP 请求处理器里，通过 WithLabelValues 方法递增对应维度的计数器，操作起来就跟吃饭一样自然：

func handler(w http.ResponseWriter, r *http.Request) {
    httpRequests.WithLabelValues(r.Method, r.URL.Path).Inc() // 递增当前请求的计数
    w.Write([]byte("OK"))
}

最后，别忘了暴露 /metrics 端点，让 Prometheus 能抓取指标：

http.Handle("/metrics", promhttp.Handler())
http.ListenAndServe(":8080", nil)

通过 PromQL 查起来也很直观，比如 sum(http_requests_total) 拿到总访问量，或者 http_requests_total{method="GET", endpoint="/home"} 筛出某个维度的数据。从实践来看，这套方案适合需要多维分析、长期监控的场景。

2. 原子操作实现简单计数器

如果不需要复杂的维度拆分，只想知道全局总请求数的“大数”，那 sync/atomic 包就是最轻量、最高效的选择。定义一个全局变量：

var requestCount uint64

然后在请求处理器里通过 atomic.AddUint64 递增：

func handler(w http.ResponseWriter, r *http.Request) {
    atomic.AddUint64(&requestCount, 1) // 原子递增
    fmt.Fprintf(w, "Total requests: %d", requestCount)
}

这种做法的好处——无锁、性能极高，尤其适合高并发场景。但代价也很明确：没法区分请求的方法、端点等信息，只适合“看看总流量”这种简单需求。

3. 结构化日志记录访问量

要是想把访问量信息留作事后分析，结构化日志是个好路子。用 zap 或 logrus 这类日志库，把请求的方法、端点、来源IP等字段记成结构化形式，后续拿 Loki、Elasticsearch 这类工具一查就能出来。以 zap 为例：

logger, _ := zap.NewProduction()
defer logger.Sync()
logger.Info("Request received",
    zap.String("method", r.Method),
    zap.String("endpoint", r.URL.Path),
    zap.String("remote_addr", r.RemoteAddr),
)

查询时，Loki 里写一条 sum by(method, endpoint) (count_over_time({job="golang-app"}[1h]))，指定时间范围内的访问量就出来了。这种方案适合需要与现有日志系统打通的团队，而且不会给应用增加额外存储压力——日志本身就是记录。

4. 实时读取日志文件统计访问量

如果应用本身已经输出了访问日志（比如 Nginx 的 access.log），不需要动代码，就可以用 github.com/hpcloud/tail 库实时 tail 日志、解析 IP 或其他维度，统计访问次数。代码写起来也不复杂：

t, err := tail.TailFile("/var/log/nginx/access.log", tail.Config{Follow: true})
if err != nil {
    log.Fatal(err)
}
visitCount := make(map[string]int)
re := regexp.MustCompile(`\d+\.\d+\.\d+\.\d+`) // 匹配IP地址的正则表达式
for line := range t.Lines {
    ip := re.FindString(line.Text)
    if ip != "" {
        visitCount[ip]++
        fmt.Printf("IP: %s, Visits: %d\n", ip, visitCount[ip])
    }
}

这种做法的好处是“零侵入”，对已有系统非常友好；但前提是日志格式要稳定、一致，否则解析容易出错。适合实时监控外部流量的场景。

5. 数据库持久化存储访问量

如果需要长期存储访问记录，并且支持复杂查询（比如按时间段、按端点聚合），那就把数据存到数据库里吧。用 xorm 这类 ORM 库，定义一张 TrafficLog 表，包含 IP、方法、端点、时间戳等字段。然后通过批量插入来优化性能：

type TrafficLog struct {
    Id        int64     `xorm:"pk autoincr"`
    Ip        string    `xorm:"varchar(15)"`
    Method    string    `xorm:"varchar(10)"`
    Endpoint  string    `xorm:"varchar(100)"`
    Timestamp time.Time `xorm:"created"`
}
func batchInsertLogs(engine *xorm.Engine, logs []TrafficLog) {
    _, err := engine.Insert(&logs)
    if err != nil {
        fmt.Printf("批量插入失败: %v\n", err)
    }
}

之后用一句 SELECT COUNT(*) FROM traffic_log WHERE endpoint = '/home' 就能统计出首页的访问量。数据永久保存，想怎么查就怎么查，适合对分析精度和查询灵活性要求高的业务。