-
急求日志信息筛选脚本（shell编写）30
日志内容：
-------------------------------------------------------------------------------------------
# Time: 140903 7:44:03
# User@Host: root[root] @ localhost []
# Query_time: 29839.289019 Lock_time: 0.000000 Rows_sent: 0 Rows_examined: 0
SET timestamp=1409701443;
commit;
# Time: 140903 7:44:04
# User@Host: root[root] @ localhost []
# Query_time: 2.280766 Lock_time: 0.000000 Rows_sent: 0 Rows_examined: 0
SET timestamp=1409701444;
commit;
# Time: 140903 7:44:06
# User@Host: root[root] @ localhost []
# Query_time: 1.108678 Lock_time: 0.000000 Rows_sent: 0 Rows_examined: 0
SET timestamp=1409701446;
commit;
# Time: 140903 7:44:09
# User@Host: root[root] @ localhost []
# Query_time: 1.683713 Lock_time: 0.000000 Rows_sent: 0 Rows_examined: 0
SET timestamp=1409701449;
commit;
# User@Host: root[root] @ localhost []
# Query_time: 1.647435 Lock_time: 0.000000 Rows_sent: 0 Rows_examined: 0
SET timestamp=1409701449;
commit;
# User@Host: root[root] @ localhost []
# Query_time: 1.171033 Lock_time: 0.000000 Rows_sent: 0 Rows_examined: 0
SET timestamp=1409701449;
commit;
-------------------------------------------------------------------------------------------
需要筛选出1409701447>timestamp>=1409701444 的信息
显示结果为：
-------------------------------------------------------------------------------------------
# Time: 140903 7:44:04
# User@Host: root[root] @ localhost []
# Query_time: 2.280766 Lock_time: 0.000000 Rows_sent: 0 Rows_examined: 0
SET timestamp=1409701444;
commit;
# Time: 140903 7:44:06
# User@Host: root[root] @ localhost []
# Query_time: 1.108678 Lock_time: 0.000000 Rows_sent: 0 Rows_examined: 0
SET timestamp=1409701446;
commit;
或者是
# Query_time: 2.280766 Lock_time: 0.000000 Rows_sent: 0 Rows_examined: 0
SET timestamp=1409701444;
# Query_time: 1.108678 Lock_time: 0.000000 Rows_sent: 0 Rows_examined: 0
SET timestamp=1409701446;
-------------------------------------------------------------------------------------------
通过上面的筛选结果求出Query_time的平均时间(Query_time总时间/Query_time的件数）
最终结果为（2.280766+1.108678）/2 = 1.694722
希望的显示结果为：1.694722
希望通过shell脚本筛选出来，先谢谢了~
2014年9月03日 11:48
添加评论
关注(0)2个答案 按时间排序 按投票排序
-
用的python脚本
#!/usr/bin/python #coding=utf-8 import re,sys def log_statistics(file_addr): re_timestamp = re.compile(r'\w{1,3}\s\w+\=(\d+)\;$') re_querytime = re.compile(r'\#\s\w{5}\_\w{4}\:\s\d{1}\.\d{1,7}') query_list = [] with open (file_addr, 'r') as f: for line in f.readlines(): if re.match(r'\#\s\w{1,5}\_\w{1,4}',line.strip()): query_time = line.split(' ')[2] if re.match(r'\w{1,3}\s\w+\=\d+\;$', line.strip()): m = re_timestamp.match(line.strip()) timestamp = m.group(1) if int(timestamp) >= 1409701444: query_list.append(query_time) return 'average query time:' + str(sumqt(query_list)) def sumqt(qt): qt_length = len(qt) n = 0 for i in qt: n = n + float(i) return n / qt_length if __name__ == '__main__': if len(sys.argv) == 2: print log_statistics(sys.argv[1])
./log_util.py /home/tom/python_app/query_log2014年9月09日 06:54
相关推荐
YOLO系列算法目标检测数据集，包含标签，可以直接训练模型和验证测试，数据集已经划分好，包含数据集配置文件data.yaml，适用yolov5,yolov8,yolov9,yolov7,yolov10,yolo11算法； 包含两种标签格:yolo格式（txt文件）和voc格式（xml文件），分别保存在两个文件夹中，文件名末尾是部分类别名称; yolo格式：<class> <x_center> <y_center> <width> <height>， 其中： <class> 是目标的类别索引（从0开始）。 <x_center> 和 <y_center> 是目标框中心点的x和y坐标，这些坐标是相对于图像宽度和高度的比例值，范围在0到1之间。 <width> 和 <height> 是目标框的宽度和高度，也是相对于图像宽度和高度的比例值； 【注】可以下拉页面，在资源详情处查看标签具体内容；
JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代码+论文) JAVA图书管理系统毕业设计(源代
内容来源于网络分享，如有侵权请联系我删除。另外如果没有积分的同学需要下载，请私信我。
YOLO系列算法目标检测数据集，包含标签，可以直接训练模型和验证测试，数据集已经划分好，包含数据集配置文件data.yaml，适用yolov5,yolov8,yolov9,yolov7,yolov10,yolo11算法； 包含两种标签格:yolo格式（txt文件）和voc格式（xml文件），分别保存在两个文件夹中，文件名末尾是部分类别名称; yolo格式：<class> <x_center> <y_center> <width> <height>， 其中： <class> 是目标的类别索引（从0开始）。 <x_center> 和 <y_center> 是目标框中心点的x和y坐标，这些坐标是相对于图像宽度和高度的比例值，范围在0到1之间。 <width> 和 <height> 是目标框的宽度和高度，也是相对于图像宽度和高度的比例值； 【注】可以下拉页面，在资源详情处查看标签具体内容；
系统可以提供信息显示和相应服务，其管理新冠抗原自测平台小程序信息，查看新冠抗原自测平台小程序信息，管理新冠抗原自测平台小程序。 项目包含完整前后端源码和数据库文件 环境说明： 开发语言：Java JDK版本：JDK1.8 数据库：mysql 5.7 数据库工具：Navicat11 开发软件：eclipse/idea Maven包：Maven3.3 部署容器：tomcat7 小程序开发工具：hbuildx/微信开发者工具
YOLO系列算法目标检测数据集，包含标签，可以直接训练模型和验证测试，数据集已经划分好，包含数据集配置文件data.yaml，适用yolov5,yolov8,yolov9,yolov7,yolov10,yolo11算法； 包含两种标签格:yolo格式（txt文件）和voc格式（xml文件），分别保存在两个文件夹中，文件名末尾是部分类别名称; yolo格式：<class> <x_center> <y_center> <width> <height>， 其中： <class> 是目标的类别索引（从0开始）。 <x_center> 和 <y_center> 是目标框中心点的x和y坐标，这些坐标是相对于图像宽度和高度的比例值，范围在0到1之间。 <width> 和 <height> 是目标框的宽度和高度，也是相对于图像宽度和高度的比例值； 【注】可以下拉页面，在资源详情处查看标签具体内容；
内容来源于网络分享，如有侵权请联系我删除。另外如果没有积分的同学需要下载，请私信我。
新建 文本文档.docx
hw06
3. Kafka入门-安装与基本命令
燃气管道施工资质和特种设备安装改造维修委托函.docx
AI大模型研究相关报告
lab02
仅供学习使用,其他用途请购买正版资源AVPro Video Core Windows Edition 2.2.3 亲测可用的视频播放插件,能丝滑播放透明视频等.
建设工程消防验收现场指导意见表.docx
MVIMG_20241222_194113.jpg
五相电机双闭环矢量控制模型_采用邻近四矢量SVPWM_MATLAB_Simulink仿真模型包括： （1）原理说明文档（重要）：包括扇区判断、矢量作用时间计算、矢量作用顺序及切时间计算、PWM波的生成； （2）输出部分仿真波形及仿真说明文档； （3）完整版仿真模型：包括邻近四矢量SVPWM模型和完整双闭环矢量控制Simulink模型； 资料介绍过程十分详细，零基础手把手教学，资料已经写的很清楚
YOLO系列算法目标检测数据集，包含标签，可以直接训练模型和验证测试，数据集已经划分好，包含数据集配置文件data.yaml，适用yolov5,yolov8,yolov9,yolov7,yolov10,yolo11算法； 包含两种标签格:yolo格式（txt文件）和voc格式（xml文件），分别保存在两个文件夹中，文件名末尾是部分类别名称; yolo格式：<class> <x_center> <y_center> <width> <height>， 其中： <class> 是目标的类别索引（从0开始）。 <x_center> 和 <y_center> 是目标框中心点的x和y坐标，这些坐标是相对于图像宽度和高度的比例值，范围在0到1之间。 <width> 和 <height> 是目标框的宽度和高度，也是相对于图像宽度和高度的比例值； 【注】可以下拉页面，在资源详情处查看标签具体内容；
项目包含完整前后端源码和数据库文件 环境说明： 开发语言：Java 框架：ssm，mybatis JDK版本：JDK1.8 数据库：mysql 5.7 数据库工具：Navicat11 开发软件：eclipse/idea Maven包：Maven3.3 服务器：tomcat7