---

name: log-analyzer description: 纯本地日志分析系统，支持日志统计、重复检测、错误分析和异常识别 metadata: { "openclaw": { "requires": { "bins": ["streamlit"], "runtime": "python3" }, "install": [ { "id": "python", "kind": "pip", "package": "streamlit", "label": "Install Streamlit (pip)", }, { "id": "pandas", "kind": "pip", "package": "pandas", "label": "Install Pandas (pip)", }, { "id": "plotly", "kind": "pip", "package": "plotly", "label": "Install Plotly (pip)", }, ], "emoji": "📊", }, }

Log Analyzer - 日志分析系统

纯本地日志文件分析工具，无需任何外部连接或云服务。

功能特性

3个核心功能

1. 📥 数据摄取诊断

   • 日志统计（总文件数、总大小、总行数）
   • 重复日志识别和统计
   • 时间分布分析（按小时统计）
   • 重复率计算和 Top 重复日志展示

2. ⚡ 索引性能优化

   • 日志统计分析
   • 错误类型统计和分布
   • 错误日志提取和展示
   • 最近错误列表

3. 🚨 错误与异常监控

   • 错误日志检测和分类
   • 异常事件识别（基于时间戳统计分析）
   • 错误趋势可视化
   • 异常时间点标记

使用方法

方式 1: 直接运行

cd ~/.openclaw/workspace/skills/log-analyzer
streamlit run log-analyzer.py --server.port 8506

方式 2: 使用启动脚本

cd ~/.openclaw/workspace/skills/log-analyzer
./start-log-analyzer.sh

在 OpenClaw 中使用

当用户要求分析日志文件、检查日志错误、或进行日志统计时，自动启动此技能：

"分析 /var/log/app.log"
"检查这个日志文件有没有问题"
"帮我统计一下这些日志"

日志格式支持

支持标准格式的日志文件：

• 时间戳: [2024-03-10 14:30:00]
• 日志级别: [ERROR|WARN|INFO|DEBUG|CRITICAL|FATAL]
• 错误类型: [DB_ERROR|APP_ERROR|NETWORK_ERROR|AUTH_ERROR|TIMEOUT_ERROR]
• IP 地址: IP:192.168.1.1
• 攻击类型: SQL_INJECTION|XSS|BRUTE_FORCE|PATH_TRAVERSAL

配置选项

在 Web 界面中可以配置：

• 日志目录: 指定要分析的日志文件目录
• 文件模式: 选择要分析的文件类型（*.log, *.txt, *.csv）
• 最大文件数: 限制分析的文件数量（1-100）
• 显示选项: 控制图表和重复分析的显示

技术细节

依赖项

• Python 3.7+
• Streamlit
• Pandas
• Plotly

系统架构

LogParser
  ├─ parse_line()     - 解析单行日志
  └─ 模式匹配          - 支持多种日志格式

LogAnalyzer
  ├─ get_log_files()    - 获取日志文件列表
  ├─ analyze_log_stats() - 日志统计分析
  ├─ check_duplicates()  - 重复日志检查
  ├─ detect_errors()    - 错误检测
  └─ detect_anomalies() - 异常检测

ResultDisplay
  ├─ display_stats()    - 显示统计信息
  ├─ display_duplicates() - 显示重复信息
  ├─ display_errors()   - 显示错误信息
  └─ display_anomalies() - 显示异常

性能说明

• 纯本地运行，无需网络连接
• 支持大文件（通过文件大小统计）
• 自动去重（基于哈希值）
• 时间异常检测（基于标准差统计）

注意事项

1. 首次使用需要安装 Python 依赖包
2. 分析大量大文件可能需要较长时间
3. 建议限制分析文件数量以避免内存问题
4. 日志格式需要符合标准模式才能正确解析

默认访问地址

http://localhost:8506

可通过修改启动脚本中的端口参数来更改。