一、项目要求
- 本文讨论的日志处理方法中的日志,仅指Web日志。事实上并没有精确的定义,可能包含但不限于各种前端Webserver——apache、lighttpd、nginx、tomcat等产生的用户訪问日志,以及各种Web应用程序自己输出的日志。
二、需求分析: KPI指标设计
PV(PageView): 页面訪问量统计
IP: 页面独立IP的訪问量统计
Time: 用户每小时PV的统计
Source: 用户来源域名的统计
Browser: 用户的訪问设备统计
以下我着重分析浏览器统计
三、分析过程
1、 日志的一条nginx记录内容
222.68.172.190 - - [18/Sep/2013:06:49:57 +0000] "GET /images/my.jpg HTTP/1.1" 200 19939
"http://www.angularjs.cn/A00n"
"Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/29.0.1547.66 Safari/537.36"
2、对上面的日志记录进行分析
remote_addr : 记录client的ip地址, 222.68.172.190
remote_user : 记录clientusername称, –
time_local: 记录訪问时间与时区, [18/Sep/2013:06:49:57 +0000]
request: 记录请求的url与http协议, “GET /images/my.jpg HTTP/1.1″
status: 记录请求状态,成功是200, 200
body_bytes_sent: 记录发送给client文件主体内容大小, 19939
http_referer: 用来记录从那个页面链接訪问过来的, “http://www.angularjs.cn/A00n”
http_user_agent: 记录客户浏览器的相关信息, “Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/29.0.1547.66 Safari/537.36″
3、java语言分析上面一条日志记录(使用空格切分)
|
String line =
"222.68.172.190 - - [18/Sep/2013:06:49:57 +0000] \"GET /images/my.jpg HTTP/1.1\" 200 19939 \"http://www.angularjs.cn/A00n\" \"Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/29.0.1547.66 Safari/537.36\"";
|
|
String[] elementList = line.split(" ");
|
|
for(int
i=0;i<elementList.length;i++){
|
|
System.out.println(i+" : "+elementList[i]);
|
測试结果:
|
: "http://www.angularjs.cn/A00n" |
4、实体Kpi类的代码:
|
private
String remote_addr;// 记录client的ip地址
|
|
private
String remote_user;// 记录clientusername称,忽略属性"-"
|
|
private
String time_local;// 记录訪问时间与时区
|
|
private
String request;// 记录请求的url与http协议
|
|
private
String status;// 记录请求状态;成功是200
|
|
private
String body_bytes_sent;// 记录发送给client文件主体内容大小
|
|
private
String http_referer;// 用来记录从那个页面链接訪问过来的
|
|
private
String http_user_agent;// 记录客户浏览器的相关信息
|
|
private
String method;//请求方法 get post
|
|
private
String http_version;
//http版本号 |
|
public
String getMethod() {
|
|
public
void
setMethod(String method) { |
|
public
String getHttp_version() {
|
|
public
void
setHttp_version(String http_version) { |
|
this.http_version = http_version;
|
|
public
String getRemote_addr() {
|
|
public
void
setRemote_addr(String remote_addr) { |
|
this.remote_addr = remote_addr;
|
|
public
String getRemote_user() {
|
|
public
void
setRemote_user(String remote_user) { |
|
this.remote_user = remote_user;
|
|
public
String getTime_local() {
|
|
public
void
setTime_local(String time_local) { |
|
this.time_local = time_local;
|
|
public
String getRequest() {
|
|
public
void
setRequest(String request) { |
|
public
String getStatus() {
|
|
public
void
setStatus(String status) { |
|
public
String getBody_bytes_sent() {
|
|
public
void
setBody_bytes_sent(String body_bytes_sent) { |
|
this.body_bytes_sent = body_bytes_sent;
|
|
public
String getHttp_referer() {
|
|
public
void
setHttp_referer(String http_referer) { |
|
this.http_referer = http_referer;
|
|
public
String getHttp_user_agent() {
|
|
public
void
setHttp_user_agent(String http_user_agent) { |
|
this.http_user_agent = http_user_agent;
|
|
public
String toString() { |
|
return
"Kpi [remote_addr="
+ remote_addr + ", remote_user=" |
|
+ remote_user +
", time_local="
+ time_local + ", request=" |
|
+ request +
", status="
+ status + ", body_bytes_sent=" |
|
+ body_bytes_sent +
", http_referer="
+ http_referer |
|
+
", http_user_agent="
+ http_user_agent + ", method="
+ method |
|
+
", http_version="
+ http_version + "]";
|
5、kpi的工具类
|
public
static
Kpi transformLineKpi(String line){ |
|
String[] elementList = line.split(" ");
|
|
kpi.setRemote_addr(elementList[0]);
|
|
kpi.setRemote_user(elementList[1]);
|
|
kpi.setTime_local(elementList[3].substring(1));
|
|
kpi.setMethod(elementList[5].substring(1));
|
|
kpi.setRequest(elementList[6]);
|
|
kpi.setHttp_version(elementList[7]);
|
|
kpi.setStatus(elementList[8]);
|
|
kpi.setBody_bytes_sent(elementList[9]);
|
|
kpi.setHttp_referer(elementList[10]);
|
|
kpi.setHttp_user_agent(elementList[11] +
" " + elementList[12]);
|
6、算法模型: 并行算法
Browser: 用户的訪问设备统计
– Map: {key:$http_user_agent,value:1}
– Reduce: {key:$http_user_agent,value:求和(sum)}
7、map-reduce分析代码
|
import
java.io.IOException;
|
|
import
java.util.Iterator; |
|
import
org.apache.hadoop.fs.Path;
|
|
import
org.apache.hadoop.io.IntWritable;
|
|
import
org.apache.hadoop.io.Text;
|
|
import
org.apache.hadoop.mapred.FileInputFormat;
|
|
import
org.apache.hadoop.mapred.FileOutputFormat;
|
|
import
org.apache.hadoop.mapred.JobClient;
|
|
import
org.apache.hadoop.mapred.JobConf;
|
|
import
org.apache.hadoop.mapred.MapReduceBase;
|
|
import
org.apache.hadoop.mapred.Mapper;
|
|
import
org.apache.hadoop.mapred.OutputCollector;
|
|
import
org.apache.hadoop.mapred.Reducer;
|
|
import
org.apache.hadoop.mapred.Reporter;
|
|
import
org.apache.hadoop.mapred.TextInputFormat;
|
|
import
org.apache.hadoop.mapred.TextOutputFormat;
|
|
import
org.hmahout.kpi.entity.Kpi;
|
|
import
org.hmahout.kpi.util.KpiUtil;
|
|
import
cz.mallat.uasparser.UASparser;
|
|
import
cz.mallat.uasparser.UserAgentInfo;
|
|
public
class
KpiBrowserSimpleV { |
|
public
static
class KpiBrowserSimpleMapper
extends
MapReduceBase |
|
implements
Mapper<Object, Text, Text, IntWritable> {
|
|
public
void
map(Object key, Text value, |
|
OutputCollector<Text, IntWritable> out, Reporter reporter)
|
|
Kpi kpi = KpiUtil.transformLineKpi(value.toString());
|
|
if(kpi!=null
&& kpi.getHttP_user_agent_info()!=null){
|
|
parser =
new UASparser();
|
|
parser.parseBrowserOnly(kpi.getHttP_user_agent_info());
|
|
if("unknown".equals(info.getUaName())){
|
|
out.collect(new
Text(info.getUaName()),
new IntWritable(1));
|
|
out.collect(new
Text(info.getUaFamily()),
new IntWritable(1));
|
|
public
static
class KpiBrowserSimpleReducer
extends
MapReduceBase implements |
|
Reducer<Text, IntWritable, Text, IntWritable>{
|
|
public
void
reduce(Text key, Iterator<IntWritable> value,
|
|
OutputCollector<Text, IntWritable> out, Reporter reporter)
|
|
IntWritable sum =
new IntWritable(0);
|
|
sum.set(sum.get()+value.next().get());
|
|
public
static
void main(String[] args)
throws IOException {
|
|
String input =
"hdfs://127.0.0.1:9000/user/tianbx/log_kpi/input";
|
|
String output ="hdfs://127.0.0.1:9000/user/tianbx/log_kpi/browerSimpleV";
|
|
JobConf conf =
new JobConf(KpiBrowserSimpleV.class);
|
|
conf.setJobName("KpiBrowserSimpleV");
|
|
String url =
"classpath:";
|
|
conf.addResource(url+"/hadoop/core-site.xml");
|
|
conf.addResource(url+"/hadoop/hdfs-site.xml");
|
|
conf.addResource(url+"/hadoop/mapred-site.xml");
|
|
conf.setMapOutputKeyClass(Text.class);
|
|
conf.setMapOutputValueClass(IntWritable.class);
|
|
conf.setOutputKeyClass(Text.class);
|
|
conf.setOutputValueClass(IntWritable.class);
|
|
conf.setMapperClass(KpiBrowserSimpleMapper.class);
|
|
conf.setCombinerClass(KpiBrowserSimpleReducer.class);
|
|
conf.setReducerClass(KpiBrowserSimpleReducer.class);
|
|
conf.setInputFormat(TextInputFormat.class);
|
|
conf.setOutputFormat(TextOutputFormat.class);
|
|
FileInputFormat.setInputPaths(conf,
new Path(input));
|
|
FileOutputFormat.setOutputPath(conf,
new Path(output));
|
8、输出文件log_kpi/browerSimpleV内容
AOL Explorer 1
Android Webkit 123
Chrome 4867
CoolNovo 23
Firefox 1700
Google App Engine 5
IE 1521
Jakarta Commons-HttpClient 3
Maxthon 27
Mobile Safari 273
Mozilla 130
Openwave Mobile Browser 2
Opera 2
Pale Moon 1
Python-urllib 4
Safari 246
Sogou Explorer 157
unknown 4685
8 R制作图片
data<-read.table(file="borwer.txt",header=FALSE,sep=",")
names(data)<-c("borwer","num")
qplot(borwer,num,data=data,geom="bar")

解决这个问题
1、排除爬虫和程序点击,对抗作弊
解决的方法:页面做个检測鼠标是否动。
2、浏览量 怎么排除图片
3、浏览量排除假点击?
4、哪一个搜索引擎訪问的?
5、点击哪一个keyword訪问的?
6、从哪一个地方訪问的?
7、使用哪一个浏览器訪问的?
- Hadoop日志分析系统启动脚本
Hadoop日志分析系统启动脚本 #!/bin/bash #Flume日志数据的根文件夹 root_path=/flume #Mapreduce处理后的数据文件夹 process_path=/proc ...
- hadoop 日志分析
1:在每一个tomcat服务器上,生成的日志目录中,在java中用定时器每天将当天的日志上传到hadoop中 (技术要点:quatz+hadoop-client)具体的目录动态的采用时间品名 2:ha ...
- Hadoop日志分析工具——White Elephant
White Elephant 是一个Hadoop日志收集器和展示器,它提供了用户角度的Hadoop集群可视化.White Elephant 是全球最大的职业社交网站Linkedin开发的一套分析Had ...
- Nginx+Flume+Hadoop日志分析,Ngram+AutoComplete
配置Nginx yum install nginx (在host99和host101) service nginx start开启服务 ps -ef |grep nginx看一下进程 ps -ef | ...
- Hadoop 日志分析。
http://www.ibm.com/developerworks/cn/java/java-lo-mapreduce/
- Hadoop日志文件分析系统
Hadoop日志分析系统 项目需求: 需要统计一下线上日志中某些信息每天出现的频率,举个简单的例子,统计线上每天的请求总数和异常请求数.线上大概几十台 服务器,每台服务器大概每天产生4到5G左右的日志 ...
- SparkStreaming实时日志分析--实时热搜词
Overview 整个项目的整体架构如下: 关于SparkStreaming的部分: Flume传数据到SparkStreaming:为了简单使用的是push-based的方式.这种方式可能会丢失数据 ...
- Hadoop学习笔记—20.网站日志分析项目案例(二)数据清洗
网站日志分析项目案例(一)项目介绍:http://www.cnblogs.com/edisonchou/p/4449082.html 网站日志分析项目案例(二)数据清洗:当前页面 网站日志分析项目案例 ...
- 一、基于hadoop的nginx访问日志分析---解析日志篇
前一阵子,搭建了ELK日志分析平台,用着挺爽的,再也不用给开发拉各种日志,节省了很多时间. 这篇博文是介绍用python代码实现日志分析的,用MRJob实现hadoop上的mapreduce,可以直接 ...
- POJ2782:Bin Packing
Description A set of n<tex2html_verbatim_mark> 1-dimensional items have to be packed in iden ...
- c# in depth之泛型的类型约束详细
类型约束 1.引用类型约束 这种约束(表示成T:class,必须是为类型参数指定的第一个约束)用于确保使用的类型实参是引用类型,这可能是任何类,接口,数组,委托或者已知是引用类型的另一个类型参数. 例 ...
- struts2官方演示程序总结struts2-blank
struts-2.2.3.1-all\struts-2.2.3.1\apps\struts2-blank总结 1.Html可以访问action ,如下: < head > ...
- CSS中float属性和clear属性的一些笔记
在学习CSS的最后一部分内容中,float属性和clear属性比较难以用语言描述,因此在笔记本中无法准确的记录这两个属性的用法.所以在博客园上以图文的形式记录这两种属性的特征,以备以后查阅. 首先,定 ...
- VC 获取指定文件夹路径的方法小结
VC获取指定文件夹路径 flyfish 2010-3-5 一 使用Shell函数 1 获取应用程序的安装路径 TCHAR buf[_MAX_PATH];SHGetSpecialFolderPath( ...
- 让AllocateHwnd接受一般函数地址作参数(105篇博客)
http://www.xuebuyuan.com/1889769.html Classes单元的AllocateHWnd函数是需要传入一个处理消息的类的方法的作为参数的,原型: function Al ...
- 消息函数一般是私有的,因为不需要程序员显示的调用,但子类如果需要改写这个方法,则改成保护方法Protected
许多的面向对象程序设计语言都支持对消息的处理.消息处理是一种动态响应客户类发出的请求,它与过程调用不同.过程调用中,客户类必须知道服务类提供了哪些过程,以及每个过程的调用约定,并且在调用时需要明确指出 ...
- OCA读书笔记(4) - 管理数据库实例
Objectives: •Start and stop the Oracle database and components •Use Oracle Enterprise Manager •Acces ...
- 【Demo 0016】SQLite 数据库
本章学习要点: 1. 熟悉SQL语句: 2. 掌握SQLit库的基本用法; 3. 掌握SQLite封装:
- 编写自己的单点登录(SSO)服务
王昱 yuwang881@gmail.com 博客地址http://yuwang881.blog.sohu.com 摘要:单点登录(SSO)的技术被越来越广泛地运用到各个领域的软件系统其中.本文从 ...