如何使用AWK计算单服务器对特定IP的访问占比？

需求 #

仅使用AWK工具，评估某服务器向特定IP发送的数据是否少于其他服务器。日志包含以下字段：

• 日志时间：当日01时至24时
• 服务器名称
• 服务器访问的目标IP
• 该时段内服务器访问该IP的次数

输入示例（Iplogs.txt） #

$ cat Iplogs.txt  
Time,Source,destinationIP,Count  
11,server1,123.12.23.122,10  
11,server1,125.25.45.221,153  
11,server1,202.178.23.4,44  
11,server2,123.12.23.122,300  
11,server2,125.25.45.221,140  
11,server2,202.178.23.4,41  
12,server1,123.12.23.122,0  
12,server1,125.25.45.221,153  
12,server1,202.178.23.4,44  
12,server2,123.12.23.122,300  
12,server2,125.25.45.221,140  
12,server2,202.178.23.4,41

预期结果 #

server1,125.25.45.221,306,52.21%      #306/586*100
server2,125.25.45.221,280,47.78%      #280/586*100
server1,202.178.23.4,88,51.76%      #88/170*100
server1,123.12.23.122,10,1.63%      #10/610*100
server2,202.178.23.4,82,48.23%      #82/170*100
server2,123.12.23.122,600,98.36%      #600/610*100

注：占比计算逻辑为单服务器对某IP的访问次数 ÷ 所有服务器对该IP的总访问次数 × 100，保留两位小数。例如1.63%是server1对123.12.23.122的访问次数10除以总次数610后乘以100得到。

已完成操作 #

1. 统计各IP的累计访问总次数：

$ awk -F"," '{MAX[$3]+=$4} END {for(i in MAX) print i," ",MAX[i]}' Iplogs.txt
123.12.23.122      610
125.25.45.221      586
202.178.23.4      170

2. 统计各服务器对各IP的累计访问次数：

$ awk -F"," '{COUNT[$2","$3]+=$4} END {for(j in COUNT) print j," ",COUNT[j]}' Iplogs.txt | sort
server1,125.25.45.221      306
server2,125.25.45.221      280
server1,202.178.23.4      88
server1,123.12.23.122      10
server2,202.178.23.4      82
server2,123.12.23.122      600

当前问题 #

无法在同一AWK脚本中关联COUNT（服务器-IP的累计次数）和MAX（IP的总次数），计算单服务器对IP的访问占比。

解决方案 #

将两个统计逻辑整合到同一个AWK脚本中，一次遍历日志完成数组赋值，最后在END块中拆分联合键计算占比：

awk -F"," '
# 跳过表头行
NR==1 {next}
# 同时统计IP总次数和服务器-IP的累计次数
{
    MAX[$3] += $4
    KEY = $2 "," $3
    COUNT[KEY] += $4
}
END {
    # 遍历服务器-IP统计结果
    for (key in COUNT) {
        # 拆分联合键为服务器和IP
        split(key, arr, ",")
        srv = arr[1]
        ip = arr[2]
        total = MAX[ip]
        count = COUNT[key]
        # 格式化占比为两位小数的百分比
        ratio = sprintf("%.2f%%", (count / total) * 100)
        # 输出匹配预期格式的结果
        printf("%s,%s,%d,%s      #%d/%d*100\n", srv, ip, count, ratio, count, total)
    }
}
' Iplogs.txt | sort

脚本说明 #

• NR==1 {next}：跳过日志表头，避免干扰统计。
• MAX[$3] += $4：累计每个目标IP的总访问次数。
• KEY = $2 "," $3：用逗号拼接服务器名称和IP作为唯一键，区分不同服务器对同一IP的统计项。
• split(key, arr, ",")：在END块中拆分联合键，提取服务器和IP信息。
• sprintf("%.2f%%", ...)：将占比格式化为两位小数的百分比形式。
• 末尾的sort命令确保输出结果顺序与预期一致。

执行上述脚本后，输出将完全匹配预期结果。

内容的提问来源于stack exchange，提问作者RedLeu