# 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.

> 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.

João Rizzon · 2026-09-20 · Painéis

---

## 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](https://docs.cpanel.net/cpanel/metrics/raw-access/102/), 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 `.gz` do domínio afetado e, se existir, o arquivo `ssl_log` correspondente. Guardar na pasta do cliente com nome `site-data-incidente.log`.
- **Conferir o fuso.** Ler `$5` da primeira linha e converter o horário relatado pelo cliente.
- **Recortar a janela** com `grep` no 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.php` desabilitado, 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):

> **** Entre 21h02 e 21h09 do dia 14/11, o site recebeu 7.482 requisições. Delas, 6.155 partiram de 2 endereços IP que pediram repetidamente páginas de busca interna, sem carregar nenhuma imagem, CSS ou fonte do site, o que caracteriza software de raspagem e não visitante. O tráfego humano no mesmo intervalo ficou em patamar normal para o horário. Bloqueamos os dois endereços e vamos reavaliar o horário na próxima semana. Não recomendamos ampliar o plano por causa desse episódio: o plano atual não estava atendendo pessoas, estava atendendo um robô.

A versão inversa também precisa estar pronta, e é ela que dá credibilidade à primeira:

> **** Entre 21h02 e 21h09 do dia 14/11, o site recebeu 7.482 requisições vindas de 1.340 endereços diferentes, com navegadores variados e carregamento normal de imagens e scripts. Foi gente, provavelmente efeito da campanha que entrou no ar às 21h. O ambiente atual não deu conta desse pico e a recomendação é ajustar recursos antes da próxima ação.

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.

