1. 介绍

自从了解了error和access日志的重要性，并且学会阅读相关log文档之后。

通过调整nginx配置，解决error中的大量报错提示。通过过滤js等静态资源减少大量的access日志记录内容。

同时，经过使用阿里云安全组封禁大量国外ip地址的访问。我的access.log文件和error.log的尺寸得到了有效压缩管理。

access.log 从原先的12m左右的的文件，变成了现在的400KB。记录的访问数据也清晰了很多。

error.log也从原先的8M左右的文件，变成了现在的1KB，或者300Bytes的文件。甚至有时候还是0 Bytes。

日志文件的减少，也降低了服务器的IO读取的性能开支。可以将更多的内存资源用于处理正常的请求。

可以说是一个双赢的结局。

本篇作为一个回顾总结内容。具体的error文件内容配置可以参考：https://zinyan.com/?p=450 ，https://zinyan.com/?p=453。access.log的文件配置可以参考：https://zinyan.com/?p=445，https://zinyan.com/?p=444，以及爬虫屏蔽过滤返回444：https://zinyan.com/?p=454

2. 总结

现在error文件中，剩下的记录主要就是SSL: error:141CF06C:SSL routines:tls_parse_ctos_key_share:bad key share异常了。

处理这个异常，可以通过封禁ip地址的访问，也可以不用在意。

剩下的就是access.log文件了。

当我们配置UserAgent请求中带有爬虫关键字的请求直接返回444之后，例如：

Status:444,Bytes:0,IP:185.117.225.171,Time:[2022-11-24T04:18:36+08:00],Host:"zinyan.com",Request:"GET /robots.txt HTTP/1.1",Referer:"-",UserAgent:"python-requests/2.28.1"
Status:444,Bytes:0,IP:51.77.247.119,Time:[2022-11-24T04:57:39+08:00],Host:"47.101.47.241",Request:"POST /phpinfo HTTP/1.1",Referer:"-",UserAgent:"curl/7.64.0"

对比不同日期的access.log 可以发现，爬虫请的数量在不断变少。

因为当爬虫多次请求得到结果是444后，会渐渐降低我们网站的爬取级别，最终犹豫得不到数据而放弃爬取。

但是，也会有一些新增加的爬虫需要我们注意，并添加到过滤条件中。

而且也有一些过滤无法生效的情况，需要我们随时进行一些配置的修改例如：

Status:404,Bytes:177,IP:18.195.96.149,Time:[2022-11-24T04:58:10+08:00],Host:"zinyan.com",Request:"GET /s/.git/HEAD HTTP/1.1",Referer:"-",UserAgent:"RepoLookoutBot/1.0.0 (abuse reports to abuse@repo-lookout.org)"Status:404,Bytes:186,IP:18.195.96.149,Time:[2022-11-24T04:58:42+08:00],Host:"zinyan.com",Request:"GET /categories/.git/HEAD HTTP/1.1",Referer:"-",UserAgent:"RepoLookoutBot/1.0.0 (abuse reports to abuse@repo-lookout.org)"

我们需要新增：RepoLookoutBot 爬虫工具的过滤。还有通过CensysInspect 工具：

Status:400,Bytes:248,IP:167.248.133.62,Time:[2022-11-24T07:17:24+08:00],Host:"47.101.47.241:443",Request:"GET / HTTP/1.1",Referer:"-",UserAgent:"Mozilla/5.0 (compatible; CensysInspect/1.1; +https://about.censys.io/)"

同时在屏蔽过程中出现了有些能够屏蔽而有些无法屏蔽的问题：

Status:444,Bytes:0,IP:167.248.133.62,Time:[2022-11-24T07:17:20+08:00],Host:"47.101.47.241:443",Request:"GET / HTTP/1.1",Referer:"-",UserAgent:"-"
Status:400,Bytes:248,IP:167.248.133.62,Time:[2022-11-24T07:17:23+08:00],Host:"47.101.47.241:443",Request:"GET / HTTP/1.1",Referer:"-",UserAgent:"-"

两种访问从access.log中看到，可以说完全一样。但是却一个返回444，一个返回400 。返回444说明我的nginx过滤规则生效了。而400说明没有生效。

同时，还需要添加上Host为空的访问，将它们进行过滤，例如：

Status:400,Bytes:150,IP:167.248.133.62,Time:[2022-11-24T07:17:24+08:00],Host:"-",Request:"PRI * HTTP/2.0",Referer:"-",UserAgent:"-"

同时，我们也可以检查静态资源是否全部都过滤的情况，例如我的资源用到了jfif，webp文件。我就需要添加到过滤规则中去。

PS：可能存在部分的过滤失败，但是整体上来说。提高了网站的安全性，降低了大量的非法请求。

在收获上来说，这一些配置的付出是值得的。

3. 改进 nginx过滤规则

基于发现的问题，再次改进access的过滤规则。以及非法请求返回444的判断逻辑。

3.1 修改access_log 记录

在/etc/nginx/nginx.conf文件中修改如下：

 http {
    ...
     log_format  main  'Status:$status,Bytes:$body_bytes_sent,IP:$remote_addr,Time:[$time_iso8601],Host:"$http_host",Request:"$request",Referer:"$http_referer",UserAgent:"$http_user_agent"';
     map $uri $zinyanloggable {
         default 1;
         ~^(.*\.(ico|gif|jpg|jpeg|png|bmp|swf|js|css|svg|woff|ttf|jfif|webp)$) 0;
     }
     access_log  /var/log/nginx/access.log  main if=$zinyanloggable;
     ...
 }

这样，access文件中就不会添加ico|gif|jpg|jpeg|png|bmp|swf|js|css|svg|woff|ttf|jfif|webp 作为后缀结尾的日志内容了。

3.2 map实现爬虫屏蔽

老版本写法为：

 server{
     ...
     if ($http_user_agent ~ ^$){
         return 444;
     }
     if ($http_user_agent ~* "scrapy|python|curl|java|wget|httpclient|okhttp|MJ12bot|Expanse|ahrefsbot|seznambot|serpstatbot|sindresorhus|zgrab"){
         return 444;
     }
     ...
 }

效率比较低，如果是多个server那么得写多遍。所以修改为map的规则进行

但是如果改为map的话，需要在http{}之中先创建map规则，然后再到server中使用就可以了。示例如下：

 http {
    ...
    # 创建一个屏蔽规则zinyanUA，而它的取值从$http_user_agent 中获取。
     map $http_user_agent $zinyanUA {
         default 0;
         ~*(scrapy|python|curl|java|wget|httpclient|okhttp|MJ12bot|Expanse|ahrefsbot|seznambot|serpstatbot|sindresorhus|zgrab|censys|RepoLookoutBot) 1;
         ~ ^$ 1;
     }
     ...
 }

语法解释：

~ 表示正则表达式对大小写敏感。

~* 表示正则表达式对大小写不敏感。

后面跟着的内容就是正则表达式了

在正则表达式中^代表开头，$代表结尾，^$就代表开头和结尾中间没有字符。也就是字符串为空的。

配置完毕后，在需要的server{}段中添加：

server{
     ...
     if ($zinyanUA){
         return 444;
     }
     ...
 }

因为在nginx 的if判断中，参数值0或者为空字符串，会判断为false，其他判断为true。

而我在上面创建的map对象中，规范了，如果匹配就返回1，不匹配返回0。所以if ($zinyanUA)为true的就是需要返回444的请求了。

nginx: [emerg] unknown directive "if($http_host)" in /etc/nginx/conf.d/zinyan.conf:49 nginx: configuration file /etc/nginx/nginx.conf test failed

如果你出现了这个if命名错误的提示，并不是所谓的缺乏if命名的依赖库，而是Nginx中的if命名和括号中间需要有空格。

nginx -t 检测通过后，通过service nginx reload刷新配置就可以生效了。

PS：如果实在过滤不了的，建议直接封IP地址，特别是国外的访问。国内也有不少的攻击