Такой вариант в nginx.conf:

server {
        listen       80;
        server_name  localhost;

        location / {
            root   /var/www/html;
            index  index.php;
        }

        location /metrics {
            stub_status;
            allow 127.0.0.1;
            deny all;
        }

        location ~ \.php$ {
            root           /var/www/html;
            fastcgi_pass   127.0.0.1:9000;
            fastcgi_index  index.php;
            fastcgi_param  SCRIPT_FILENAME  /var/www/html$fastcgi_script_name;
            include        fastcgi_params;
        }
    }

Описание метрик Nginx /metrics:
Active connections — текущее количество активных соединений.
accepts — общее количество соединений, принятых сервером.
handled — количество соединений, обработанных сервером (совпадает с accepts, если нет ошибок).
requests — общее количество обработанных запросов.
Reading — количество соединений, которые Nginx читает от клиента.
Writing — количество соединений, в которые Nginx пишет ответ клиенту.
Waiting — количество keep-alive соединений, которые открыты и ожидают нового запроса.

stub_status — это директива, которая включает модуль ngx_http_stub_status_module. Этот модуль выводит минимальную статистику о текущем состоянии Nginx

А что тут непонятного?
-Поклонение богу программирования
-Умение чистить программистскую карму
-Умение проводить обряды (вроде танцев с бубном)
-...

Для анализа и обработки текста в Python существует множество библиотек, которые могут помочь вам с различными задачами, включая поиск совпадений слов, подсчет символов и знаков препинания, а также форматирование и вывод результатов в различные форматы файлов, включая PDF. Вот некоторые из них:

1. Стандартная библиотека Python:
- re: модуль для работы с регулярными выражениями, который может помочь в поиске совпадений слов.
- string: предоставляет набор стандартных операций со строками, включая подсчет символов.
- collections.Counter: полезен для подсчета вхождений элементов в итерируемых объектах.

2. Анализ текста:
- nltk (Natural Language Toolkit): обширный набор инструментов для работы с человеческим языком, включая поиск и анализ слов.
- spacy: продвинутая библиотека для обработки естественного языка, которая может использоваться для лемматизации, распознавания сущностей и других задач NLP.

3. Работа с текстом и файлами:
- Pandas: предоставляет функционал для анализа и обработки данных в табличном формате, позволяет экспортировать результаты в различные форматы файлов.
- openpyxl или pandas: для работы с файлами Excel.
- python-docx: для создания, изменения и извлечения информации из документов Word.

4. Форматирование текста:
- rich: позволяет создавать стилизованный вывод в терминал с поддержкой markdown, подсветкой синтаксиса, таблицами и т.д.
- textwrap: стандартный модуль Python для форматирования абзацев текста, чтобы он красиво выводился.

5. Работа с PDF:
- reportlab: мощный инструмент для создания сложных PDF-документов с возможностью добавления графики и текста с различным форматированием.
- PyPDF2 или PyMuPDF (fitz): библиотеки для чтения и записи PDF-файлов, манипуляции с существующими PDF, включая соединение, разделение и т.д.

Все эти модули и библиотеки позволяют выполнять широкий спектр задач, связанных с текстом, начиная от простого поиска и анализа слов и символов до сложного форматирования и вывода в файлы различных форматов, включая PDF. Большая часть из них имеет обширную документацию и примеры использования, что позволяет сравнительно легко начать работу с ними.