1. 使用Prometheus客戶端庫實現應用層訪問量統計
Prometheus是Golang生態中常用的監控解決方案，通過其客戶端庫可以輕松實現訪問量的精準統計與可視化。首先，安裝Prometheus客戶端庫：go get github.com/prometheus/client_golang/prometheus。接著，定義一個CounterVec類型的指標（支持按維度拆分，如HTTP方法、端點），并在應用啟動時注冊：
var httpRequests = prometheus.NewCounterVec(
prometheus.CounterOpts{
Name: "http_requests_total",
Help: "Total HTTP requests",
},
[]string{"method", "endpoint"}, // 按HTTP方法和端點拆分
)
prometheus.MustRegister(httpRequests)
在HTTP請求處理器中，通過WithLabelValues方法遞增對應維度的計數器：
func handler(w http.ResponseWriter, r *http.Request) {
httpRequests.WithLabelValues(r.Method, r.URL.Path).Inc() // 遞增當前請求的計數
w.Write([]byte("OK"))
}
最后，暴露/metrics端點供Prometheus抓取指標：
http.Handle("/metrics", promhttp.Handler())
http.ListenAndServe(":8080", nil)
通過Prometheus的查詢語言（PromQL），可輕松獲取總訪問量（sum(http_requests_total)）或按維度篩選的訪問量（如http_requests_total{method="GET", endpoint="/home"}）。
2. 原子操作實現簡單計數器
對于不需要復雜維度的訪問量統計（如全局總請求數），可以使用Go的sync/atomic包實現高性能的原子計數器。定義一個全局變量：
var requestCount uint64
在請求處理器中，通過atomic.AddUint64遞增計數器：
func handler(w http.ResponseWriter, r *http.Request) {
atomic.AddUint64(&requestCount, 1) // 原子遞增
fmt.Fprintf(w, "Total requests: %d", requestCount)
}
這種方法無鎖，性能極高，適合高并發場景，但無法區分請求的維度（如方法、端點）。
3. 結構化日志記錄訪問量
使用結構化日志庫（如zap、logrus）將訪問量信息記錄到日志中，便于后續通過日志分析工具（如Loki、Elasticsearch）進行統計。以zap為例，首先安裝庫：go get go.uber.org/zap。在請求處理器中，記錄包含訪問信息的結構化日志：
logger, _ := zap.NewProduction()
defer logger.Sync()
logger.Info("Request received",
zap.String("method", r.Method),
zap.String("endpoint", r.URL.Path),
zap.String("remote_addr", r.RemoteAddr),
)
通過日志分析工具，可使用類似sum by(method, endpoint) (count_over_time({job="golang-app"}[1h]))的查詢，統計指定時間范圍內的訪問量。
4. 實時讀取日志文件統計訪問量
若應用已將訪問日志輸出到文件（如Nginx的access.log），可使用github.com/hpcloud/tail庫實時讀取日志并統計。首先安裝庫：go get github.com/hpcloud/tail。編寫代碼實時解析日志中的IP地址（或其他維度），并統計訪問次數：
t, err := tail.TailFile("/var/log/nginx/access.log", tail.Config{Follow: true})
if err != nil {
log.Fatal(err)
}
visitCount := make(map[string]int)
re := regexp.MustCompile(`\d+\.\d+\.\d+\.\d+`) // 匹配IP地址的正則表達式
for line := range t.Lines {
ip := re.FindString(line.Text)
if ip != "" {
visitCount[ip]++
fmt.Printf("IP: %s, Visits: %d\n", ip, visitCount[ip])
}
}
這種方法適合實時監控外部流量的訪問情況，但需確保日志格式的一致性。
5. 數據庫持久化存儲訪問量
對于需要長期存儲和復雜查詢的訪問量統計，可將數據保存到數據庫（如MySQL）中。使用xorm等ORM庫定義日志表結構（如TrafficLog表，包含ip、method、endpoint、timestamp等字段），并通過批量插入優化性能。編寫日志生成模塊生成模擬日志，通過通道傳遞給消費者，消費者批量寫入數據庫：
type TrafficLog struct {
Id int64 `xorm:"pk autoincr"`
Ip string `xorm:"varchar(15)"`
Method string `xorm:"varchar(10)"`
Endpoint string `xorm:"varchar(100)"`
Timestamp time.Time `xorm:"created"`
}
func batchInsertLogs(engine *xorm.Engine, logs []TrafficLog) {
_, err := engine.Insert(&logs)
if err != nil {
fmt.Printf("批量插入失敗: %v\n", err)
}
}
之后，可通過SQL查詢（如SELECT COUNT(*) FROM traffic_log WHERE endpoint = '/home'）統計訪問量。這種方法適合需要長期分析和報表的場景。
