<?php
$todo = array();
$done = array();
$h = array();
$v = $all['v'];
$l = count($v);
#19700101 08
for ($x = 1; $x < $l; $x++) {
$i = $v[$x]; #$todo[] = $i['tab_create_c'];
$todo[] = is_null($i['tab_create_c']) ? 0 : intval($i['tab_create_c']);
$done[] = is_null($i['tab_update_c']) ? 0 : intval($i['tab_update_c']);
$h[] = str_replace(" ", "-", $i['h']);
}
?> <!DOCTYPE HTML>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
<meta name="viewport" content="width=device-width, initial-scale=1">
<title><?= $title; ?></title> <style type="text/css">
#container {
/*min-width: 310px;*/
/*max-width: 800px;*/
/*height: 400px;*/
margin: 0 auto
}
</style>
</head>
<body>
<div id="container"></div>
<pre>
<?= $all['sql']; ?>
</pre>
</body>
</html>
<script src="../Highcharts-6.0.4/code/highcharts.js"></script>
<script src="../Highcharts-6.0.4/code/modules/series-label.js"></script>
<script src="../Highcharts-6.0.4/code/modules/exporting.js"></script> <script type="text/javascript"> Highcharts.chart('container', { title: {
text: '异常url数目检测效率监控'
}, subtitle: {
text: '单表查询:ad_direct_error_temp'
}, yAxis: {
title: {
text: '数据条数'
}
},
xAxis: {
title: {
text: '日期-时钟'
},
categories: [<?='"'.implode('","',$h).'"' ;?>]
},
legend: {
layout: 'vertical',
align: 'right',
verticalAlign: 'middle'
}, plotOptions: {
series: {
label: {
connectorAllowed: false
},
// pointStart: <?//=strtotime($h[0].":00:00");?>
}
},
series: [{
name:<?="'".$all['todo']."'";?>,
data: [<?=implode(',',$todo) ;?>]
}
, {
name:<?="'".$all['done']."'";?>,
data: [<?=implode(',',$done) ;?>]
},
], responsive: {
rules: [{
condition: {
// maxWidth: <?//=strtotime(end($h).":00:00")-strtotime($h[0].":00:00");?>
},
chartOptions: {
legend: {
layout: 'horizontal',
align: 'center',
verticalAlign: 'bottom'
}
}
}]
} });
</script> 单条sql走天下 入库时间 更新时间 累计检测次数 时间全集 子集
SELECT h,tab_create_c,tab_update_c FROM (
SELECT DISTINCT h FROM (
SELECT
FROM_UNIXTIME(create_time, '%Y%m%d %H') AS h
FROM
ad_direct_error_temp
UNION ALL
SELECT
FROM_UNIXTIME(update_time, '%Y%m%d %H') AS h
FROM
ad_direct_error_temp
) AS tab_alltime
) AS tab_alltime_b LEFT JOIN (
SELECT FROM_UNIXTIME(create_time, '%Y%m%d %H') AS tab_create_h,COUNT(1) AS tab_create_c
FROM ad_direct_error_temp
GROUP BY tab_create_h
) AS tab_create ON tab_alltime_b.h=tab_create.tab_create_h LEFT JOIN (
SELECT FROM_UNIXTIME(update_time, '%Y%m%d %H') AS tab_update_h,COUNT(1) AS tab_update_c
FROM ad_direct_error_temp
WHERE no_ad_times+no_open_times>=script_need_run_times
GROUP BY tab_update_h
) AS tab_update ON tab_alltime_b.h=tab_update.tab_update_h ORDER BY h ASC
;

问题时间段 定时任务调度异常  
SELECT h,tab_create_c,tab_update_c FROM (
SELECT DISTINCT h FROM (
SELECT
FROM_UNIXTIME(create_time, '%Y%m%d %H') AS h
FROM
ad_direct_error_temp
UNION ALL
SELECT
FROM_UNIXTIME(update_time, '%Y%m%d %H') AS h
FROM
ad_direct_error_temp
) AS tab_alltime
) AS tab_alltime_b LEFT JOIN (
SELECT FROM_UNIXTIME(create_time, '%Y%m%d %H') AS tab_create_h,COUNT(1) AS tab_create_c
FROM ad_direct_error_temp
GROUP BY tab_create_h
) AS tab_create ON tab_alltime_b.h=tab_create.tab_create_h LEFT JOIN (
SELECT FROM_UNIXTIME(update_time, '%Y%m%d %H') AS tab_update_h,COUNT(1) AS tab_update_c
FROM ad_direct_error_temp
WHERE no_ad_times+no_open_times>=script_need_run_times
GROUP BY tab_update_h
) AS tab_update ON tab_alltime_b.h=tab_update.tab_update_h ORDER BY h ASC
;


												

web metrics dashboard 数据分析工具 看板 从可视化发现问题 避免sql重复写 调高效率的更多相关文章

  1. Python 数据分析中常用的可视化工具

    Python 数据分析中常用的可视化工具 1 Matplotlib 用于创建出版质量图表的绘图工具库,目的是为 Python 构建一个 Matlab 式的绘图接口. 1.1 安装 Anaconada ...

  2. 这个数据分析工具秒杀Excel,可视化分析神器!

    ​入门Excel容易,想要精通就很难了,大部分人通过学习能掌握60%的基础操作,但是一些复杂数据可视化分析就需要用到各种技巧,操作理解难度加深 Excel作为一直是使用最广泛的数据表格工具,在数据量日 ...

  3. python requests抓取NBA球员数据,pandas进行数据分析,echarts进行可视化 (前言)

    python requests抓取NBA球员数据,pandas进行数据分析,echarts进行可视化 (前言) 感觉要总结总结了,希望这次能写个系列文章分享分享心得,和大神们交流交流,提升提升. 因为 ...

  4. K8s 部署 Dashboard UI 仪表板 ——让一切可视化

    K8s 部署 Dashboard UI  仪表板   --让一切可视化 Dashboard 介绍 仪表板是基于Web的Kubernetes用户界面.您可以使用仪表板将容器化应用程序部署到Kuberne ...

  5. 一图胜千言,想让数据产生影响力,必须拥有好上手的BI数据分析工具

    当杂乱无章的数据,经过数据清洗后,得到了想用的数据,但是查看这些数据通过数据库只能看到数据本身,无法看到其中的规律,可以通过BI数据分析工具,图形化展示数据,使数据更形象化的展现在用户面前,更容易看出 ...

  6. atitit.web ui 结构建模工具总结

    atitit.web ui 结构建模工具总结 1. 王者.dreamweaver 1 2. Frontpage/SharePoint Designer(FrontPage) 2010... 1 3.  ...

  7. 从零开始学数据分析,什么程度可以找到工作?( 内附20G、5000分钟数据分析工具教程大合集 )

    从零开始学数据分析,什么程度可以找到工作?( 内附20G.5000分钟数据分析工具教程大合集 )   我现在在Coursera上面学data science 中的R programming,过去很少接 ...

  8. App运营者必须知道的30款数据分析工具

    如今的移动应用早已不再是某种结构单一.功能简单的工具了.当我们的移动应用变得越来越庞杂,我们便会需要借用分析工具,来跟踪和分析App内的每一个部分.幸运的是,目前市面上有许多数据分析工具可供App开发 ...

  9. 给ambari集群里的kafka安装基于web的kafka管理工具Kafka-manager(图文详解)

    不多说,直接上干货! 参考博客 基于Web的Kafka管理器工具之Kafka-manager的编译部署详细安装 (支持kafka0.8.0.9和0.10以后版本)(图文详解)(默认端口或任意自定义端口 ...

随机推荐

  1. ZOJ - 3204 Connect them 最小生成树

    Connect them ZOJ - 3204 You have n computers numbered from 1 to n and you want to connect them to ma ...

  2. [HEOI2013]ALO

    题目描述: 现在你拥有 n 颗宝石,每颗宝石有一个能量密度,记为 ai,这些宝石的能量 密度两两不同.现在你可以选取连续的一些宝石(必须多于一个)进行融合,设 为 ai, ai+1, …, aj,则融 ...

  3. 零基础入门学习Python(9)--了不起的分支和循环3

    前言 本节继续介绍分支和循环 知识点 while循环 Python while循环与if条件分支有点类似,在条件为真的情况下,执行某一段指定的代码.不同的是只要条件为True,while循环就会一直重 ...

  4. 常用的四种设计模式 PHP代码

    // 工厂模式 interface Iuser { public function getUserName(); } class UserFactory { static public functio ...

  5. selenium的三种等待

    1. 强制等待 最简单粗暴,sleep(xx),不管你浏览器是否加载完了,程序都得等待xx秒,时间一到,再继续执行下面的代码,作为调试很有用,有时候也可以在代码里这样等待,不过不建议总用这种等待方式, ...

  6. 7-10 公路村村通(30 分)(最小生成树Prim算法)

    7-10 公路村村通(30 分) 现有村落间道路的统计数据表中,列出了有可能建设成标准公路的若干条道路的成本,求使每个村落都有公路连通所需要的最低成本. 输入格式: 输入数据包括城镇数目正整数N(≤1 ...

  7. MySQL查看表结构及查看建表语句

    查看表结构:desc 表名 mysql> use recommend; Database changed mysql> desc user; +--------------+------- ...

  8. Swoole 入门学习(二)

    Swoole 入门学习 swoole 之 定时器 循环触发:swoole_timer_tick    (和js的setintval类似) 参数1:int $after_time_ms 指定时间[毫秒] ...

  9. hdu - 1627 Krypton Factor (dfs)

    http://acm.hdu.edu.cn/showproblem.php?pid=1627 给定 n 和 L 找出第n个范围在0-L之内的字符串,字符串要求没有相邻的子串是相同的. 按照格式输出. ...

  10. [bzoj1485][HNOI2009]有趣的数列_卡特兰数_组合数

    有趣的数列 bzoj-1485 HNOI-2009 题目大意:求所有1~2n的排列满足奇数项递增,偶数项递增.相邻奇数项大于偶数项的序列个数%P. 注释:$1\le n\le 10^6$,$1\le ...