Nginx 的 11,760 次请求，为什么不能算 11,760 次访问？

本次样本

Nginx 访问日志记录的是 HTTP 请求，不是“人”。搜索引擎、广告验证、监控、漏洞扫描、预览机器人和浏览器都能产生相似的 GET 请求；同一个浏览器刷新十次，也会留下十条记录。

• 统计时段：2026年8月9日至9月2日 21:30（中国标准时间）。
• 数据范围：iphelp.cloud 生产环境 Nginx 日志，只统计已列入公开页面清单且返回 2xx 的 GET 请求。
• 隐私处理：公开数据只有聚合值。访客标识由原始 IP 经过带密钥 BLAKE2s 计算，原始 IP 不写入公开统计文件。
• 可下载数据：第一方观察摘要 JSON。

四个数字分别代表什么

原始请求与有效浏览相差 9,729 次，占原始样本的 82.7%。这里使用“排除请求”而不是“机器人流量”：没有加载静态资源的隐私浏览器、命令行用户或网络中断也可能被排除；反过来，模拟完整浏览器行为的程序也可能被接受。

本站实际采用的筛选顺序

1. 先限定页面。只接受已登记的公开 HTML 路径、GET 方法和 2xx 状态；favicon、robots.txt、sitemap.xml、接口和静态文件不算页面浏览。
2. 排除明确机器人。User-Agent 命中 bot、spider、crawl、scanner、curl、wget 等已知模式时，不计入有效浏览。
3. 寻找浏览器与行为支持。候选请求要有常见浏览器标识，并至少出现静态资源请求、多页访问、来源页或成功使用工具中的一种支持信号。
4. 限制异常频率。单一 IP 一天超过 60 次候选页面浏览时，该组请求不进入真人估算，降低持续扫描和脚本刷新带来的膨胀。
5. 最后做伪匿名聚合。按日期、密钥哈希后的 IP 标识和页面路径生成汇总，不在公开 JSON 中保留可还原的访问明细。

候选 = GET + 2xx + 已登记公开页面
明确机器人 = User-Agent 命中自动程序模式
支持信号 = 加载静态资源 或 浏览多页 或 有来源页 或 使用工具
有效浏览 = 候选 - 明确机器人 + 浏览器特征 + 支持信号
异常上限 = 每个IP每天最多60次候选浏览

为什么“去重 IP”仍然不是真实人数

因此本站统计页使用“估算访客”，并把“累计访问”“IP 标识”和“工具使用”分开。对无需登录的网站，完全准确地识别自然人既不现实，也没有必要通过更强的追踪来换取一个看似精确的数字。

你可以怎样复查自己的 Nginx 日志

先从最简单的分组开始，再决定是否需要更复杂的统计程序。下面的命令只做观察，不会修改服务器配置：

# 状态码分布
awk '{print $9}' /var/log/nginx/access.log | sort | uniq -c | sort -nr

# User-Agent 中含常见机器人关键词的请求数量
grep -Eic 'bot|spider|crawl|scanner|curl|wget' /var/log/nginx/access.log

# 请求最多的路径
awk -F'"' '{print $2}' /var/log/nginx/access.log \
  | awk '{print $2}' | sort | uniq -c | sort -nr | head -20

正式统计还要处理日志轮转、压缩文件、查询参数、反向代理真实 IP、时区、接口调用和静态资源。不要只运行一条 awk '{print $1}' 就把不同 IP 数写成“用户数”。

本次数据暴露出的实际问题

30 个搜索来源访客只占估算访客的一小部分，而首页承担了大多数有效浏览。这说明站点当前的问题不是“日志里没人来”，而是搜索引擎尚未稳定把专题页分发给有具体故障需求的用户。后续改进应关注专题页是否被收录、搜索来源是否增长、用户是否真正运行工具，而不是抬高累计数字。

本站会保留这份快照，后续采用同一口径发布新的周期对比。规则变化时会同步修改检测方法页，避免把口径调整造成的数字变化误认为流量增长。