Descubra no log bruto quem acessou na hora da lentidão
Como transformar o arquivo .gz do Raw Access em um veredito sobre a janela exata da queda, com três contagens, critério de leitura e checklist para repetir em toda a carteira.

Resposta curta: baixe o log bruto em Métricas > Raw Access do cPanel e rode três comandos de contagem sobre o intervalo exato da queda: por IP, por user-agent e por minuto. Se poucos IPs concentram as requisições e não pedem CSS nem imagem, foi varredura, não visita.
Neste artigo
- O que o log bruto mostra e o relatório agregado esconde
- Onde o cPanel guarda o log e como garantir que ele exista amanhã
- A anatomia de uma linha do combined log, campo por campo
- Recortar o intervalo exato antes de contar qualquer coisa
- Três contagens que fecham o diagnóstico
- Assinatura de gente, assinatura de varredura
- Checklist reutilizável para a carteira de sites
- O veredito de quatro linhas que vai para o cliente
O que o log bruto mostra e o relatório agregado esconde
O cliente escreve às 21h15: "o site travou agora". Às 22h já está normal. No dia seguinte você abre o Awstats, vê 4.200 visitas no dia e não chega a lugar nenhum, porque relatório de estatística agrega por dia ou por hora e a queda durou sete minutos.
O log bruto de acessos é outra coisa: uma linha por requisição, com IP, horário até o segundo, URL pedida, status e user-agent. É o único artefato no cPanel que permite dizer "entre 21h02 e 21h09 chegaram N requisições e elas vieram de tais origens". Sem ele, a conversa com o cliente vira opinião, e opinião perde para o comercial que sugere um plano maior.
Este guia segue a interface Raw Access do cPanel, documentada em docs.cpanel.net, e usa três comandos de contagem sobre o arquivo baixado. Nada aqui foi medido em laboratório: os números que aparecem nos exemplos são fictícios e estão rotulados como exemplo. O que o artigo entrega é o procedimento e o critério de leitura.
Onde o cPanel guarda o log e como garantir que ele exista amanhã
No cPanel, a interface fica em Métricas > Raw Access (Acesso Bruto). Ela lista os domínios e subdomínios da conta e oferece o download do log de tráfego compactado em .gz.
Dois detalhes da própria interface decidem se você vai ter log quando precisar:
- Archive logs in your home directory at the end of each stats run: mantém uma cópia arquivada dos logs no diretório home ao final de cada execução de estatísticas. Sem essa opção marcada, o log corrente é processado e descartado, e o incidente de ontem some.
- Remove the previous month's archived logs from your home directory at the end of each month: apaga os arquivos do mês anterior automaticamente. Se você quer histórico para comparar um pico com o mês passado, desmarque, sabendo que log arquivado ocupa espaço em disco e conta na cota da conta.
A recomendação prática para carteira de sites: marcar o arquivamento em todos os sites, desmarcar a remoção automática só nos sites com histórico de incidente, e revisar o tamanho da pasta de logs a cada trimestre.
Os arquivos arquivados ficam na pasta de logs dentro do home da conta, com nome derivado do domínio e do mês. Em muitos servidores existe um arquivo separado para o tráfego HTTPS, com ssl_log no nome. Vale conferir: se o site roda inteiramente sobre HTTPS e você contar apenas o arquivo sem ssl, o resultado vai dar quase zero e você vai concluir a coisa errada. Na dúvida, junte os dois.
O log de hoje some quando a rotina de estatísticas roda
O log corrente ainda não arquivado é rotacionado quando a rotina de estatísticas roda. Incidente de hoje de manhã, download hoje à tarde. Deixar para segunda-feira é como pedir a gravação da câmera depois que o HD já girou.
A anatomia de uma linha do combined log, campo por campo
O formato usado é o combined log do Apache. Linha de exemplo (fictícia, com IP da faixa reservada para documentação):
203.0.113.45 - - [14/Nov/2025:21:03:11 -0300] "GET /?s=camiseta HTTP/1.1" 200 18433 "-" "Mozilla/5.0 (compatible; ExemploBot/1.0; +http://exemplo.invalid/bot)"
Cada pedaço tem uma posição previsível, e é isso que torna a contagem trivial:
| Campo | Trecho do exemplo | Como extrair |
|---|---|---|
| IP de origem | 203.0.113.45 |
$1 |
| Data e hora | [14/Nov/2025:21:03:11 |
$4 |
| Fuso do servidor | -0300] |
$5 |
| Método, URL e protocolo | GET /?s=camiseta HTTP/1.1 |
$2 com awk -F'"' |
| Código de status | 200 |
$9 |
| Bytes enviados | 18433 |
$10 |
| Referrer | - |
$4 com awk -F'"' |
| User-agent | Mozilla/5.0 (compatible; ...) |
$6 com awk -F'"' |
Duas ressalvas antes de confiar cegamente nas posições. URL com espaço codificado errado desloca $9 e $10, então use os campos numéricos para leitura rápida e não para relatório contábil. E o fuso em $5 é o do servidor: se o cliente disse "21h" e o servidor grava em +0000, você vai procurar no lugar errado e concluir que não houve nada. Confira o offset na primeira linha do arquivo antes de recortar o intervalo.
Recortar o intervalo exato antes de contar qualquer coisa
Descompactar não é obrigatório, zcat e zgrep leem o .gz direto. Em macOS, zcat pode exigir gzcat. No Windows, use WSL ou Git Bash, ou o Terminal do próprio cPanel quando o provedor o disponibiliza.
Primeiro, junte HTTP e HTTPS do mês em um arquivo de trabalho (nomes de arquivo abaixo são exemplo, ajuste ao que aparecer na sua pasta de logs):
zcat *exemplo.com*Nov-2025*.gz > /tmp/exemplo-nov.log
wc -l /tmp/exemplo-nov.log
Depois recorte a hora do incidente. O formato do carimbo permite grep literal, sem regex:
grep '14/Nov/2025:21:' /tmp/exemplo-nov.log > /tmp/janela.log
wc -l /tmp/janela.log
Se quiser fechar em uma faixa de minutos, use alternância simples:
grep -E '14/Nov/2025:21:0[2-9]' /tmp/exemplo-nov.log > /tmp/janela.log
O número de linhas de /tmp/janela.log já é a primeira informação útil: quantas requisições o site atendeu naquela hora, ou naqueles minutos. Guarde esse valor, ele vai para o relatório.
Três contagens que fecham o diagnóstico
Todos rodam sobre /tmp/janela.log, o recorte do intervalo. A lógica é sempre a mesma: extrair um campo, ordenar, contar repetições, ordenar por contagem.
Por IP: quem pediu
awk '{print $1}' /tmp/janela.log | sort | uniq -c | sort -rn | head -20
Saída de exemplo (fictícia):
3184 203.0.113.45
2971 203.0.113.46
118 198.51.100.7
44 198.51.100.212
31 192.0.2.88
O formato da distribuição diz mais que o total. Tráfego humano tende a uma cauda longa: muitos IPs com poucas requisições cada. Varredura tende a um degrau: dois ou três IPs concentrando quase tudo, e depois um abismo.
Por user-agent: quem disse ser
awk -F'"' '{print $6}' /tmp/janela.log | sort | uniq -c | sort -rn | head -20
Aqui você separa navegador de robô. Navegadores reais aparecem em dezenas de variações de versão e sistema. Crawler aparece como uma string única repetida milhares de vezes, quase sempre com bot, crawler, spider ou uma URL de contato no meio.
Um agrupamento mais grosseiro ajuda quando a lista fica poluída:
awk -F'"' '{print $6}' /tmp/janela.log | grep -ciE 'bot|crawl|spider'
O resultado é o total de requisições que se declaram robô. Declaram: user-agent é texto livre enviado pelo cliente e pode ser mentira.
Por minuto: o formato do pico
awk '{print substr($4, 2, 17)}' /tmp/janela.log | sort | uniq -c | sort -rn | head -20
O substr corta [14/Nov/2025:21:03:11 a partir do segundo caractere, 17 posições, resultando em 14/Nov/2025:21:03, ou seja, a granularidade de minuto. Saída de exemplo (fictícia):
1402 14/Nov/2025:21:04
1388 14/Nov/2025:21:05
1311 14/Nov/2025:21:03
62 14/Nov/2025:21:12
58 14/Nov/2025:21:11
Esse é o comando que dá horário de início e fim ao incidente, e é o que casa com a reclamação do cliente. Se o pico bate no minuto que ele relatou, você tem causa e efeito na mesma tabela.
O que o IP do topo estava pedindo
Contagem isolada não fecha o caso. Pegue o IP do topo e olhe o que ele pediu:
grep '^203.0.113.45 ' /tmp/janela.log | awk -F'"' '{print $2}' | sort | uniq -c | sort -rn | head -10
E quais status recebeu:
grep '^203.0.113.45 ' /tmp/janela.log | awk '{print $9}' | sort | uniq -c | sort -rn
Se a lista de URLs for uma variação infinita de /?s=, ?orderby=, ?add-to-cart= ou /wp-login.php, não é leitor. Se os status forem majoritariamente 404, é alguém procurando arquivo que não existe.
Assinatura de gente, assinatura de varredura
A leitura combinada dos três comandos dá um veredito razoavelmente seguro. Os padrões abaixo são critérios de interpretação, não medição:
| Sinal | Parece visita real | Parece varredura ou robô |
|---|---|---|
| Distribuição por IP | cauda longa, muitos IPs com poucos hits | 1 a 5 IPs concentrando o volume |
| User-agent | dezenas de versões de navegador | uma string repetida, ou bot no nome |
| Estáticos | pede CSS, JS, imagem e fonte junto com o HTML | pede só HTML, nada de estático |
| URLs | páginas do menu, produtos, posts | parâmetros de busca ou filtro em série, /wp-login.php, /xmlrpc.php |
| Referrer | mistura de buscador, redes e - |
- em quase tudo |
| Ritmo por minuto | sobe e desce | platô constante, mesma contagem minuto a minuto |
| Status | maioria 200 e 304 |
muito 404, 301 ou 401 |
O teste dos estáticos costuma ser o mais decisivo e é fácil de rodar:
grep '^203.0.113.45 ' /tmp/janela.log | grep -cE '\.(css|js|png|jpg|webp|woff2)'
Navegador que renderiza página busca os recursos dela. Script que raspa HTML não busca. Zero ou perto de zero nesse comando, com milhares de requisições de HTML, encerra a discussão.
Como saber se o robô mente sobre ser buscador
User-agent de buscador pode ser falsificado sem esforço. Antes de tratar um IP como buscador legítimo, resolva o reverso:
host 203.0.113.45
Se o PTR não resolve para um domínio do buscador declarado, ou se o nome retornado não resolve de volta para o mesmo IP, trate como tráfego anônimo qualquer. Cada buscador publica a faixa e o método de verificação na própria documentação, vale conferir lá antes de bloquear.
Quando o log mostra tráfego normal e a lentidão continua
Caso honesto e frequente: a janela da lentidão tem poucas centenas de requisições, distribuição de cauda longa, user-agents variados, estáticos presentes. Ou seja, tráfego normal. Aí o gargalo não é volume, é o que cada requisição custa: consulta lenta no banco, plugin pesado, cron do WordPress disparando no request, chamada externa travando no checkout. Nesse cenário, aumentar o plano geralmente compra pouco tempo e o problema volta. O caminho é o log de erro do PHP, o log de consulta lenta e o perfil da aplicação.
Dizer isso ao cliente antes de vender upgrade é o que torna o relatório confiável quando o upgrade realmente for a resposta certa.
Checklist reutilizável para a carteira de sites
Padronizar vale mais que virtuosismo em uma investigação isolada. Ordem sugerida, replicável em qualquer site com cPanel:
- Preparação, uma vez por site. Em Métricas > Raw Access, marcar o arquivamento dos logs no diretório home. Decidir por site se a remoção mensal fica ligada, conforme espaço em disco.
- Coleta. Baixar o
.gzdo domínio afetado e, se existir, o arquivossl_logcorrespondente. Guardar na pasta do cliente com nomesite-data-incidente.log. - Conferir o fuso. Ler
$5da primeira linha e converter o horário relatado pelo cliente. - Recortar a janela com
grepno carimbo de data e hora, e anotar o total de linhas. - Rodar os três comandos: por IP, por user-agent, por minuto. Salvar as três saídas em arquivo de texto, elas são o anexo do relatório.
- Cruzar o IP do topo: URLs pedidas, status, presença de estáticos.
- Verificar reverso dos IPs que se declaram buscador.
- Classificar com a tabela de assinaturas e escrever uma frase de veredito.
- Ação: bloqueio por IP ou por user-agent, limite de taxa, cache de página,
xmlrpc.phpdesabilitado, ou investigação de aplicação quando o volume era normal. - Validação: repetir a contagem por minuto uma semana depois, no mesmo horário, para confirmar que o padrão sumiu.
Os itens 4, 5 e 6 são só os comandos deste artigo empilhados: o grep da janela, as três contagens e os três cruzamentos do IP do topo. Junte tudo em um script curto que receba o arquivo, a data e a hora como parâmetro, e reaproveite em todo atendimento. O ganho não está em cada comando, está em não redescobrir o procedimento a cada chamado.
O veredito de quatro linhas que vai para o cliente
O cliente não quer awk. Ele quer saber se precisa pagar mais. O relatório que funciona tem quatro linhas: janela, volume, origem, conclusão. Modelo para adaptar (os números abaixo são exemplo fictício, substitua pelos seus):
A versão inversa também precisa estar pronta, e é ela que dá credibilidade à primeira:
O mesmo arquivo .gz, os mesmos três comandos, conclusões opostas. É exatamente por isso que a contagem vem antes da conversa sobre plano, e não depois.
Referências
- Documentação oficial (cpanel) — Raw Access (cPanel). Consultado em 2026-09-16.