日志格式
时间戳，进程ID，日志级别，代码模块，request信息，日志内容，代码路径（如果是DEBUG级别）
（常用日志级别 - [ DEBUG，INFO，WARNING，ERROR ]）
e.g., 2017-01-05 13:25:35.414 1171 DEBUG oslo_service.periodic_task [req-2303f9f9-e637-430c-910e-376b6834d9af - - - - -] Running periodic task ComputeManager._reclaim_queued_deletes run_periodic_tasks /usr/lib/python2.7/site-packages/oslo_service/periodic_task.py:213
注意：分析关键需要用到时间戳字段，可以用Python自带包，将字符串转换为datetime对象，以方便处理
from datetime import datetime # t1和t2即为时间戳，e.g.,2017-01-05 13:25:35.414 t1 = datetime.fromisoformat(t1) t2 = datetime.fromisoformat(t2) # 计算时间差 (t1-t2).seconds
时间分析
分离日志事件（常用方法是日志解析，解析方法可参考的文献较多）
结合openstack的日志特点的方法：
首先可以截取 日志级别+代码模块+代码路径 作为第一级
然后按需提取日志内容的常量部分（即不含参数的部分）作为第二级，比较简单的方法就是把含数字的词当成参数
可视化分析
分析目的：查看日志事件出现的情况，包括日志事件的出现频率、各个日志事件出现的顺序
图的数据源为来自计算节点的服务进程nova-compute的日志，横坐标为时间线，表示距离起始时间过了多少秒，纵坐标表示的是不同的第二级日志事件（图标题为第一级日志事件）
从下面的第一个图可以看出：
- 这些事件的发生大致具有周期性，多数日志事件发生间隔为 60s 左右，有些间隔120s，甚至更长
- 有一些日志事件发生的时间点差不多
从下面的第二个图（除第一个图中呈现的事件之外的其他事件）可以看出：这些事件大致伴随着图一中的事件的发生而发生
以上就是简单的将日志事件的发生情况进行了可视化，可以方便观察整个各个服务进程的执行状态，做一个全局性的观测。
后续还会陆陆续续做一些进一步的日志分析，敬请期待~~
原文：https://www.cnblogs.com/yuanyuede/p/12816786.html