ayeeshailyas/Log-Analyzer

# 服务器日志生成与分析 Pipeline 一款轻量级、零依赖的 Python 实用工具，旨在生成带有真实世界基础设施异常的测试日志流，并通过强大的终端仪表盘分析器对其进行解析。 本项目展示了如何实现优雅降级、token 隔离和异常报告，同时确保不降低 pipeline 的处理速度，也不会因畸形输入数据而崩溃。 ## 🚀 核心功能 * **日志生成器 (`generate_logs.py`)：** 动态生成模拟服务器日志，包含可控的约 7% 畸形数据率（包括损坏的时间戳、遗留结构、缺失参数、堆栈跟踪块以及内联原始 JSON 对象）。 * **日志分析仪表盘 (`analyzer.py`)：** 使用低开销的 token 校验逐行流式传输日志数据，确保即使在结构性 schema 中途完全失效时也能保持稳健的执行。 * **精细化可见性：** 跟踪标准响应元数据（$2xx$、$4xx$、$5xx$ 状态分布，平均处理延迟），同时针对损坏的日志提供逐项列出的错误原因计数器。 ## 🛠️ 快速入门与安装 该 pipeline 完全基于标准的 Python 工具运行。无需任何外部依赖或 `pip install` 配置。 ### 前置条件 * 本地环境中已安装 Python 3.6 或更高版本。 ### 1. 生成测试日志数据 生成与真实世界故障场景相符的模拟日志文件，运行以下脚本将输出一个名为 sample_server.log 的文件，其中包含 1,000 条完整性混合的日志记录。 ``` python generate_logs.py ``` 2. 运行摘要仪表盘 分析日志文件并生成终端指标可视化： ``` python analyzer.py sample_server.log ``` 📊 仪表盘可视化输出示例 成功执行后，终端仪表盘将打印出结构化、易于阅读的洞察分析，如下所示： ``` ================================================== 📊 SERVER LOG ANALYZER DASHBOARD ================================================== Target Log File: sample_server.log Total Lines Scanned: 1,000 Valid Lines Parsed: 932 Malformed Lines: 68 (6.80%) -------------------------------------------------- 📈 TRAFFIC & PERFORMANCE METRICS • Successful (2xx): 412 • Client Errors (4xx): 245 • Server Errors (5xx): 275 • Avg Latency: 241.14 ms -------------------------------------------------- ⚠️ MALFORMED DATA & ANOMALY BREAKDOWN • [12 occurrences] -> Blank line • [18 occurrences] -> Missing or invalid status code ('-') • [21 occurrences] -> Stack trace / Runtime exception snippet • [17 occurrences] -> Unparseable response time unit ('0.142s') ================================================== ``` 📂 项目架构 ``` ├── generate_logs.py # Mock log simulator engine ├── analyzer.py # Stream token parser and metric calculator ├── ANSWERS.md # Detailed fellowship architectural questionnaire responses └── README.md # Project initialization documentation ```

标签：Python, 无后门, 测试数据生成, 终端工具, 运维监控, 逆向工具