Log dostępu witryny: format wiersza, zakres zapisu, retencja i limity

Gdzie powstaje plik

Zapis wykonuje ta sama warstwa, która zasila Kompas Lead Analytics: middleware żądań witryn tenantów, w fazie terminate(), czyli po odesłaniu odpowiedzi do przeglądarki. Obie ścieżki (baza analityki i plik logu) mają osobne zabezpieczenie na wyjątki, więc awaria jednej nie zabiera drugiej, a żaden błąd tej warstwy nie wywraca strony klienta.

Każda witryna ma własny zestaw plików, trzymany w katalogu nazwanym jej numerem, a nie subdomeną: zmiana adresu czy podpięcie własnej domeny nie rozcina historii. Nazwa pliku to access-RRRR-MM-DD.log, czyli jeden plik na dobę.

Doba jest liczona w strefie Europe/Warsaw, mimo że aplikacja pracuje w UTC. Log czyta polski klient i porównuje go z własnym zegarem, więc granica doby i znaczniki czasu idą za nim, a nie za serwerem. Ma to jedną konsekwencję przy korelowaniu źródeł: godzina w logu i godzina w surowych danych analityki mogą się różnić o przesunięcie strefy, więc porównując oba, trzeba to uwzględnić.

Plik nowej doby powstaje leniwie, przy pierwszym żądaniu po północy. Dopisywanie idzie w trybie append z blokadą pliku, więc równoległe żądania nie mieszają sobie wierszy. Gdy katalogu nie da się utworzyć albo zapis się nie powiedzie, żądanie kończy się normalnie, a wiersz po prostu przepada: log nie ma prawa zaszkodzić stronie.

Zapis nie zależy od planu. Plan bramkuje wyłącznie sięganie po gotowy plik, bo to on zawiera adresy IP.

Format wiersza

%h %l %u %t "%r" %>s %b "%{Referer}i" "%{User-Agent}i"

Wersja protokołu jest tą, którą widzi aplikacja za Caddym (zwykle HTTP/1.1), nie tą, której użył klient. Pole zostaje dla zgodności z parserami.

Wartości w cudzysłowach są czyszczone przed zapisem: znaki sterujące wycinamy (inaczej dałoby się dopisać do logu spreparowany wiersz), cudzysłów i ukośnik dostają ucieczkę, a pole jest przycinane do 1024 znaków. Referer i User-Agent są w pełni pod kontrolą klienta, więc traktujemy je jak dane wrogie.

Co nie trafia do pliku

• Pliki z public/ (grafiki, /build, favicona). Serwer WWW oddaje je przed PHP-FPM, żądanie nie wchodzi w kernel aplikacji. Komplet takich wierszy ma wyłącznie log brzegu (Caddy).
• Ścieżki techniczne pomiaru (beacon analityki), żeby nie dublować w logu tego, co ma własną warstwę zapisu. Porównanie idzie po ścieżce bez query stringa.
• Żądania bez rozpoznanej witryny tenanta: platforma, panel na kompasfirm.pl, panel administratora.
• Ruch zatrzymany na brzegu, czyli to, co nigdy nie doszło do aplikacji.

Przekierowanie kanoniczne (www na wersję wybraną w panelu) następuje już po rozpoznaniu witryny, więc zostawia normalny wiersz z kodem 301.

Limit doby i retencja

Jedna doba jednej witryny może zająć najwyżej 50 MB. Po przekroczeniu limitu dopisujemy wiersz-znacznik z godziną i wartością limitu, a dalsze żądania tej doby nie są logowane; następna doba startuje czysto. To bezpiecznik na dysk: ponad 83% ruchu platformy to automaty, więc jedna strona pod skanerem potrafi puchnąć w tempie, którego nikt nie pilnuje. Znacznik w pliku jest jedynym sygnałem, że doba jest niekompletna, więc przy analizie transferu warto go najpierw poszukać.

Retencję stosuje nocne zadanie: pliki starsze niż 30 dni są kasowane bezpowrotnie, codziennie, bez wyjątków i bez możliwości odtworzenia. Retencja jest krótsza niż w analityce, bo tu leży pełne IP. Jeśli potrzebujesz dłuższej historii, pobieraj pliki regularnie i archiwizuj je u siebie, pamiętając, że wtedy to Ty jesteś administratorem tych danych.

Dostęp i pobieranie

• Bramka: flaga planu site_logs (plan Standard i wyższe). Administrator platformy wchodzi bez flagi, bo log bywa narzędziem wsparcia.
• Role udostępnienia pojedynczej strony (redaktor, handlowiec, klient) nie mają tej trasy w allowliście, więc dostają 403. Copywriter w zespole nie widzi pozycji w menu.
• Pobranie oddaje plik jako text/plain; charset=UTF-8 pod nazwą <subdomena>-access-RRRR-MM-DD.log. Data w adresie jest walidowana wzorcem \d{4}-\d{2}-\d{2}, a nieistniejąca doba kończy się kodem 404.
• Podgląd w panelu czyta 100 ostatnich wierszy od końca pliku, blokami po 8 kB, bez wczytywania całości do pamięci.

Parametry

Maskowanie, gdy jest włączone, zeruje końcówkę adresu na postaci binarnej, więc wynik dalej jest poprawnym adresem i GoAccess czy AWStats czytają plik bez zmian; tracą jedynie rozróżnienie pojedynczych hostów. Panel informuje o włączonym maskowaniu, bo zmienia ono status pliku wobec danych osobowych. Ustawienie działa globalnie, nie per witryna, i nie zmienia plików już zapisanych.

Jak czytać dane z logu bez błędnych wniosków

• Jeden wiersz to jedno żądanie, nie jedna wizyta i nie jeden użytkownik. Log nie skleja żądań w sesje; nie ma tu identyfikatora wizyty, bo nie ma cookies.
• Adres IP nie jest tożsamością. Jedno biuro wychodzi do internetu jednym adresem, a operatorzy komórkowi i sieci za CGNAT dzielą adres między wielu abonentów. Liczba unikalnych adresów jest więc górnym ograniczeniem, a nie liczbą osób.
• User-Agent jest deklaracją klienta, którą można dowolnie podrobić, i skanery masowo to robią. Deklarację Googlebota weryfikuje się odwrotnym DNS-em na adresie IP (host <ip> powinien zwrócić nazwę w domenie googlebot.com, a nazwa po ponownym rozwiązaniu ten sam adres) albo porównaniem z publikowanymi przez Google zakresami adresów.
• Kod 200 opisuje odpowiedź serwera, nie to, co zobaczył człowiek. O renderowaniu, błędach JavaScriptu i zachowaniu odwiedzającego log nie wie nic.
• Brak wierszy dla zasobów statycznych zmienia arytmetykę znaną z klasycznego hostingu: liczba wierszy odpowiada mniej więcej liczbie odsłon, a suma pola %b nie jest pełnym transferem strony.

Analiza pliku

goaccess twoja-strona-access-2026-09-16.log --log-format=COMBINED -o raport.html

# dziesięć najczęstszych adresów kończących się kodem 404
awk '$9 == 404 {print $7}' access.log | sort | uniq -c | sort -rn | head

# co i kiedy odwiedził Googlebot
grep Googlebot access.log | awk '{print $4, $7}'

# transfer w megabajtach
awk '{sum += $10} END {print sum/1024/1024 " MB"}' access.log

Log a Kompas Lead Analytics

Szczegóły przetwarzania po stronie analityki opisuje Analityka w panelu. Log jest osobnym przetwarzaniem, z własną retencją i własną bramką dostępu.