有了google analytics之后，awstats的作用相对降低了，不过在统计search engine的抓取时还是非常有效的。这个方面主要可以参考车东的博客中搜索引擎配置更新，不过今天我也发现了一个问题，网易的搜索是YodaoBot，而实际我们在日志里看到的只有YoudaoBot和YodaoBot-Image，貌似现在youdao主要的更新都在这里了，于是修改robots.pm如下：

856 'yodaobot',
857 'youdaobot',

1506 'yodaobot','<a href="http://www.yodao.com/help/webmaster/spider/" title="YodaoBot">OutfoxBot/YodaoBot</a>',
1507 'yuodaobot','<a href="http://www.yodao.com/help/webmaster/spider/" title="YuodaoBot">OutfoxBot/YuodaoBot</a>',

1.用Databasebreak=day甚至hour来提升统计速度，设置步骤如下：

A. 由于databasebreak这个awstats的参数不能再awstatsupdateall.pl中支持，更新起来比较麻烦，我们写了一个脚本，自动更新多个子域：
#!/bin/bash
configfiles="www member buy"
domain=sasacity.com
command=/usr/local/awstats/wwwroot/cgi-bin/awstats.pl
static_command="/usr/local/awstats/tools/awstats_buildstaticpages.pl dir=/usr/local/awstats/wwwroot/cgi-bin/data/ -lang=cn -configdir=/usr/local/awstats/wwwroot/cgi-bin/ -awstatsprog=/usr/local/awstats/wwwroot/cgi-bin/awstats.pl"
for conf in ${configfiles};
do
        ${command} -update -config=${conf}.${domain} -Databasebreak=month;
        ${command} -update -config=${conf}.${domain} -Databasebreak=day;
done

或者直接修改awstatsupdateall.pl

153             $command2=$command." -Databasebreak=month";
154             $command.=" -Databasebreak=day";
155             if ($LastLine) {
156                 $command.=" -lastline=$LastLine";
157             }
158             # Run command line
159             print "Running '$command' to update config $domain\n";
160             my $output = `$command 2>&1`;
161             print "$output\n";
162             my $output = `$command2 2>&1`;
163             print "$output\n";

B.awstats没有按天显示的入口链接但可以手工输入

/awstats.pl?config=www.mysite.com&DatabaseBreak=day&day=21&month=12&year=2008

C.perl写的一个日历插件，用来按月，日，年查询：
vi calendar.pl for awstats

2. 对于大内存的服务器，可以修改awstats.pl,把LIMITFLUSH=50000（或更高），以提高统计速度

如果你同时使用awstats分析web日志，也用Google Analytics跟踪web访问，通常你会看到GA的数据比Awstats统计的数据小，而且两者相差很大，是awstats统计的问题还是google analytics的统计疏漏呢? 这是有两种统计方法不同所造成的。
首先，我们看一下用户数的统计。定义如下：
唯一用户数: 用ip 地址 + ua 信息的组合来识别不同的用户访问
访问人次: 被识别的唯一用户在最后一次页面访问后又间隔一定时间（30分钟?)后再次访问，算是该用户的第二次访问。
我们看到GA默认的间隔是30分钟，而Awstats的间隔设置不同。所以导致数据统计不一样。
接下来我们再看一下PV的统计
理论上来说awstats的数据来自于web日志，应该比GA更为精确，但是awstats把很多中间页面也统计了进去，造成数据的不准确。为了更精确地统计web日志，我们看看有哪些是被awstats多统计的访问量，并由日志中统计出的PV量要排除掉他们:

• 1. 搜索引擎爬虫过来的搜索引擎，爬虫这些访问不是用户行为，应该排除
  处理方法: 一般有异常IP地址的访问量和UA信息的判断获得，排除这些因素的PV量
• 2. 中间跳转页面中间跳转页面，对用户来说只能看到跳转后的页面信息，之前发起跳转的页面对用户不可见，应该排除
  处理方法: 找出设计中存在的跳转页面，排除跳转前的页面或跳转后的页面所汇集的PV量。
  最好在业务设计和程序设计时做考虑处理，减少中间页面跳转这类的处理。
• 3. 页面中内嵌的页面这类是使用Frame或Div等形式，嵌在一个页面中的一小块信息，
  处理方法:找出这类地址，对其做访问量排除
  如果内嵌的是广告信息等，可以考虑单独做分析
• 4. Ajax数据交换使用过的接口页面这类地址一般用户看不到，应该排除，
  处理方法：找出这类ajax文件所在目录，然后在统计量中排除对这些地址的访问，最好在程序设计上将其放到一个目录下，这样可以直接排除对某个目录的访问。
• 5. 内部数据接口交互使用的PV这个不是针对用户的，也应该排除
  处理方法：如果是从localhost或者本地网的可以单独过滤。对于这个方法排除后剩余的文件，可以找出这类的地址，然后在统计量中排除对这些地址的访问，如果能在架构设计时将其放到一个目录下，这样可以直接排除对这些目录的访问。

在awstats的配置文件中我们可以通过设置SkipFiles, SkipHosts参数防止被统计的页面，比如我们不想统计/ajax/和/globalinclude/目录下的文件，可以设置如下：
SkipFiles=”REGEX[^\/globalinclude\/] REGEX[^\/ajax\/] REGEX[^\/scripts] REGEX[^\/css] REGEX[^\/images]  REGEX[^*\.gif]”
SkipHosts=”localhost REGEX[^192\.168\.]”

为了让首页的统计更精确，可以做如下设置：
DefaultFile=”index.htm index.html index.php”

如果程序设计目录对这些方面考虑得不周全，建议从访问量大的文件先开始过滤，相信一段时间之后，你的日志统计就会越来越精确了。