Apache access_log需结合Java解析才能统计PV和UV：PV按有效GET请求计数（过滤静态资源且状态码为2xx），UV基于cookie中的用户ID（优先）或IP去重，需注意NAT场景偏差及日志轮转、压缩、时区等细节。

Apache的access_log本身不直接区分PV（页面浏览量）和UV（独立访客），但结合Java程序解析日志，可以较准确地统计这两项核心指标。关键在于理解日志字段含义、合理定义PV/UV口径，并用Java高效处理日志行。

明确PV与UV的统计逻辑

PV按每次HTTP请求计数（通常过滤掉静态资源如CSS/JS/图片可更贴近“页面”概念）；UV则需基于客户端标识去重，最常用的是remote_addr（IP）或cookie中的用户ID（如JSESSIONID或自定义跟踪ID）。仅用IP存在局域网NAT场景下低估UV的风险，有登录体系时优先使用业务用户ID。

解析access_log的关键字段

典型Apache Combined日志格式示例：

192.168.1.100 - - [10/Jan/2024:14:23:05 +0800] "GET /article/123 HTTP/1.1" 200 3421 "https://example.com/home" "Mozilla/5.0..." "JSESSIONID=ABC123"

立即学习“Java免费学习笔记（深入）”；

Java中可用正则或Apache Commons Logging工具类提取以下字段：

• remote_addr：客户端IP（用于基础UV）
• request_line：含HTTP方法、URL、协议（用于识别页面路径及过滤资源）
• status：HTTP状态码（建议只统计2xx响应，排除失败请求）
• cookie：从请求头或日志扩展字段提取（如%{Cookie}i），用于获取JSESSIONID或uid

用Java实现轻量统计（示例逻辑）

无需引入大数据框架，用Java 8+ Stream + Map即可完成日志分析：

• 逐行读取access_log（推荐BufferedReader，避免内存溢出）
• 对每行做正则匹配，提取IP、URL、状态码、Cookie值
• PV计数：满足method == "GET"、status.startsWith("2")、且url.endsWith(".html") || url matches "/article/\d+"等页面规则
• UV计数：将有效访问的uid（优先）或ip存入ConcurrentHashMap或HashSet，最后取size
• 支持时间窗口：解析日期字段，用LocalDateTime比对起止时间，实现按天/小时统计

注意事项与优化建议

真实场景中需注意：

• 日志轮转：处理.gz压缩日志需用GZIPInputStream；多文件需遍历目录
• 性能：单机分析大日志（>1GB）建议分批+并行Stream，或改用Logstash+ES方案
• 准确性：爬虫流量可通过User-Agent黑名单过滤（如"bot"、"spider"）
• 一致性：确保时区与Apache配置一致（LogFormat "%t"默认为服务器本地时区）