Hadoop 提取KPI 進行海量Web日誌分析

Web日誌包含着網站最重要的信息，通過日誌分析，我們可以知道網站的訪問量，哪個網頁訪問人數最多，哪個網頁最有價值等。一般中型的網站(10W的PV以上)，每天會產生1G以上Web日誌文件。大型或超大型的網站，可能每小時就會產生10G的數據量。

Web日誌分析概述
需求分析：KPI指標設計
算法模型：Hadoop並行算法
架構設計：日誌KPI系統架構
程序開發：MapReduce程序實現

1. Web日誌分析概述

Web日誌由Web服務器產生，可能是Nginx, Apache, Tomcat等。從Web日誌中，我們可以獲取網站每類頁面的PV值（PageView，頁面訪問量）、獨立IP數；稍微複雜一些的，可以計算得出用戶所檢索的關鍵詞排行榜、用戶停留時間最高的頁面等；更復雜的，構建廣告點擊模型、分析用戶行爲特徵等等。

在Web日誌中，每條日誌通常代表着用戶的一次訪問行爲，例如下面就是一條nginx日誌：

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"

拆解爲以下8個變量

remote_addr: 記錄客戶端的ip地址, 222.68.172.190
remote_user: 記錄客戶端用戶名稱, –
time_local: 記錄訪問時間與時區, [18/Sep/2013:06:49:57 +0000]
request: 記錄請求的url與http協議, “GET /images/my.jpg HTTP/1.1”
status: 記錄請求狀態,成功是200, 200
body_bytes_sent: 記錄發送給客戶端文件主體內容大小, 19939
http_referer: 用來記錄從那個頁面鏈接訪問過來的, “http://www.angularjs.cn/A00n”
http_user_agent: 記錄客戶瀏覽器的相關信息, “Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/29.0.1547.66 Safari/537.36”

注：要更多的信息，則要用其它手段去獲取，通過js代碼單獨發送請求，使用cookies記錄用戶的訪問信息。

利用這些日誌信息，我們可以深入挖掘網站的祕密了。

少量數據的情況

少量數據的情況(10Mb,100Mb,10G)，在單機處理尚能忍受的時候，我可以直接利用各種Unix/Linux工具，awk、grep、sort、join等都是日誌分析的利器，再配合perl, python，正則表達工，基本就可以解決所有的問題。

例如，我們想從上面提到的nginx日誌中得到訪問量最高前10個IP，實現很簡單：

~ cat access.log.10 | awk '{a[$1]++} END {for(b in a) print b"\t"a[b]}' | sort -k2 -r | head -n 10
163.177.71.12   972
101.226.68.137  972
183.195.232.138 971
50.116.27.194   97
14.17.29.86     96
61.135.216.104  94
61.135.216.105  91
61.186.190.41   9
59.39.192.108   9
220.181.51.212  9

海量數據的情況

當數據量每天以10G、100G增長的時候，單機處理能力已經不能滿足需求。我們就需要增加系統的複雜性，用計算機集羣，存儲陣列來解決。在Hadoop出現之前，海量數據存儲，和海量日誌分析都是非常困難的。只有少數一些公司，掌握着高效的並行計算，分步式計算，分步式存儲的核心技術。

Hadoop的出現，大幅度的降低了海量數據處理的門檻，讓小公司甚至是個人都能力，搞定海量數據。並且，Hadoop非常適用於日誌分析系統。

2.需求分析：KPI指標設計

下面我們將從一個公司案例出發來全面的解釋，如何用進行海量Web日誌分析，提取KPI數據。

案例介紹

某電子商務網站，在線團購業務。每日PV數100w，獨立IP數5w。用戶通常在工作日上午10:00-12:00和下午15:00-18:00訪問量最大。日間主要是通過PC端瀏覽器訪問，休息日及夜間通過移動設備訪問較多。網站搜索瀏量佔整個網站的80%，PC用戶不足1%的用戶會消費，移動用戶有5%會消費。

通過簡短的描述，我們可以粗略地看出，這家電商網站的經營狀況，並認識到願意消費的用戶從哪裏來，有哪些潛在的用戶可以挖掘，網站是否存在倒閉風險等。

KPI指標設計

PV(PageView): 頁面訪問量統計
IP: 頁面獨立IP的訪問量統計
Time: 用戶每小時PV的統計
Source: 用戶來源域名的統計
Browser: 用戶的訪問設備統計

從商業的角度，個人網站的特徵與電商網站不太一樣，沒有轉化率，同時跳出率也比較高。從技術的角度，同樣都關注KPI指標設計。

3.算法模型：Hadoop並行算法

並行算法的設計：

PV(PageView): 頁面訪問量統計

Map過程{key:request,value:1}
Reduce過程{key:request,value:求和(sum)}

IP: 頁面獨立IP的訪問量統計

Map: {key:request,value:remote_addr}
Reduce: {key:request,value:去重再求和(sum(unique))}

Time: 用戶每小時PV的統計

Map: {key:time_local,value:1}
Reduce: {key:time_local,value:求和(sum)}

Source: 用戶來源域名的統計

Map: {key:http_referer,value:1}
Reduce: {key:http_referer,value:求和(sum)}

Browser: 用戶的訪問設備統計

Map: {key:http_user_agent,value:1}
Reduce: {key:http_user_agent,value:求和(sum)}

4.架構設計：日誌KPI系統架構

上圖中，左邊是Application業務系統，右邊是Hadoop的HDFS, MapReduce。

1.日誌是由業務系統產生的，我們可以設置web服務器每天產生一個新的目錄，目錄下面會產生多個日誌文件，每個日誌文件64M。
2.設置系統定時器CRON，夜間在0點後，向HDFS導入昨天的日誌文件。
3.完成導入後，設置系統定時器，啓動MapReduce程序，提取並計算統計指標。
4.完成計算後，設置系統定時器，從HDFS導出統計指標數據到數據庫，方便以後的即使查詢。

上面這幅圖，我們可以看得更清楚，數據是如何流動的。藍色背景的部分是在Hadoop中的，接下來我們的任務就是完成MapReduce的程序實現。

5.程序開發2：MapReduce程序實現

開發流程：

對日誌行的解析
Map函數實現
Reduce函數實現
啓動程序實現

1). 對日誌行的解析

新建文件：org.apache.hadoop.mr.kpi

整體代碼

package org.apache.hadoop.mr.kpi;

import java.text.ParseException;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.HashSet;
import java.util.Locale;
import java.util.Set;

public class KPI {

    /**
     * 20160512
     * @author yue
     */
    private String remote_addr; //記錄客戶端的IP地址
    private String remote_user;   //記錄客戶端用戶名稱，忽略屬性“-”
    private String time_local;  //記錄訪問時間與時區
    private String request;  //記錄請求的URL和http協議
    private String status;  //記錄請求狀態，成功是200
    private String body_bytes_sent;  //記錄發送給客戶端文件主體內容大小
    private String http_referer; //用來記錄從哪個頁面鏈接訪問過來的
    private String http_user_agent; //記錄客戶瀏覽器的相關信息
    private boolean valid = true ; //判斷數據是否合法

    private static KPI parser(String line){
        System.out.println(line);
        KPI kpi = new KPI();
        String[] arr = line.split(" ");
        if (arr.length>11){
            kpi.setRemote_addr(arr[0]);
            kpi.setRemote_user(arr[1]);
            kpi.setTime_local(arr[3].substring(1));
            kpi.setRequest(arr[6]);
            kpi.setStatus(arr[8]);
            kpi.setBody_bytes_sent(arr[9]);
            kpi.setHttp_referer(arr[10]);

            if(arr.length>12){
                kpi.setHttp_user_agent(arr[11] + " " + arr[12]);
            } else {
                kpi.setHttp_user_agent(arr[11]);
            }

            if(Integer.parseInt(kpi.getStatus()) >= 400){
                //大於400，http錯誤
                kpi.setValid(false);
            }
        }else{
            kpi.setValid(false);
        }
        return kpi;
    }
    /**
     * 按page的pv分類
     * pageview:頁面訪問量統計
     * @return
     */
    public static KPI filterPVs(String line){
        KPI kpi = parser(line);
        Set<String> pages = new HashSet<String>();
        pages.add("/about/");
        pages.add("/black-ip-clustor/");
        pages.add("/cassandra-clustor/");
        pages.add("/finance-rhive-repurchase/");
        pages.add("/hadoop-familiy-roadmap/");
        pages.add("/hadoop-hive-intro/");
        pages.add("/hadoop-zookeeper-intro/");
        pages.add("/hadoop-mahout-roadmap/");

        if(!pages.contains(kpi.getRequest())){
            kpi.setValid(false);
        }
        return kpi;
    }
    /**
     * 按page的獨立IP分類
     * @return
     */
    public static KPI filterIPs(String line){
        KPI kpi = parser(line);
        Set<String> pages = new HashSet<String>();
        pages.add("/about/");
        pages.add("/black-ip-clustor/");
        pages.add("/cassandra-clustor/");
        pages.add("/finance-rhive-repurchase/");
        pages.add("/hadoop-familiy-roadmap/");
        pages.add("/hadoop-hive-intro/");
        pages.add("/hadoop-zookeeper-intro/");
        pages.add("/hadoop-mahout-roadmap/");
        if (!pages.contains(kpi.getRequest())){
            kpi.setValid(false);
        }
        return kpi;
    }
    /**
     * PV按瀏覽器分類
     * @return
     */
    public static KPI filterBroswer(String line){
        return parser(line);
    }

    /**
     * PV按小時分類
     * @return
     */
    public static KPI filterTime(String line){
        return parser(line);
    }

    /**
     * Pv按訪問域名分類
     * @return
     */

    public static KPI filterDomain(String line){
        return parser(line);
    }


    public String getRemote_addr() {
        return remote_addr;
    }


    public void setRemote_addr(String remote_addr) {
        this.remote_addr = remote_addr;
    }


    public String getRemote_user() {
        return remote_user;
    }


    public void setRemote_user(String remote_user) {
        this.remote_user = remote_user;
    }


    public String getTime_local() {
        return time_local;
    }


    public Date getTime_local_Date() throws ParseException{
        SimpleDateFormat df = new SimpleDateFormat("dd/MMM/yyyy:HH:mm:ss",Locale.US);
        return df.parse(this.time_local); 
    }


    public String getTime_local_Date_hour() throws ParseException{
        SimpleDateFormat df = new SimpleDateFormat("yyyyMMddHH");
        return df.format(this.getTime_local_Date());
    }


    public void setTime_local(String time_local) {
        this.time_local = time_local;
    }


    public String getRequest() {
        return request;
    }


    public void setRequest(String request) {
        this.request = request;
    }


    public String getStatus() {
        return status;
    }


    public void setStatus(String status) {
        this.status = status;
    }


    public String getBody_bytes_sent() {
        return body_bytes_sent;
    }


    public void setBody_bytes_sent(String body_bytes_sent) {
        this.body_bytes_sent = body_bytes_sent;
    }


    public String getHttp_referer() {
        return http_referer;
    }


    public String getHttp_referer_domain(){
        if(http_referer.length()<8){
            return http_referer;
        }

        String str = this.http_referer.replace("\\", "").replace("http://", "").replace("https://", "");
        return str.indexOf("/")>0?str.substring(0, str.indexOf("/")):str;
    }


    public void setHttp_referer(String http_referer) {
        this.http_referer = http_referer;
    }


    public String getHttp_user_agent() {
        return http_user_agent;
    }


    public void setHttp_user_agent(String http_user_agent) {
        this.http_user_agent = http_user_agent;
    }


    public boolean isValid() {
        return valid;
    }


    public void setValid(boolean valid) {
        this.valid = valid;
    }

    @Override
    public String toString() {
        StringBuilder sb = new StringBuilder();
        sb.append("valid:" + this.valid);
        sb.append("\nremote_addr:" + this.remote_addr);
        sb.append("\nremote_user:" + this.remote_user);
        sb.append("\ntime_local:" + this.time_local);
        sb.append("\nrequest:" + this.request);
        sb.append("\nstatus:" + this.status);
        sb.append("\nbody_bytes_sent:" + this.body_bytes_sent);
        sb.append("\nhttp_referer:" + this.http_referer);
        sb.append("\nhttp_user_agent:" + this.http_user_agent);
        return super.toString();
    }


    public static void main(String[] args) {
        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\"";
        System.out.println(line);
        KPI kpi = new KPI();
        String[] arr = line.split(" ");

        kpi.setRemote_addr(arr[0]);
        kpi.setRemote_user(arr[1]);
        kpi.setTime_local(arr[3].substring(1));
        kpi.setRequest(arr[6]);
        kpi.setStatus(arr[8]);
        kpi.setBody_bytes_sent(arr[9]);
        kpi.setHttp_referer(arr[10]);
        kpi.setHttp_user_agent(arr[11] + " " + arr[12]);
        System.out.println(kpi);

        try {
            SimpleDateFormat df = new SimpleDateFormat("yyyy.MM.dd:HH:mm:ss",Locale.US);
            System.out.println(df.format(kpi.getTime_local_Date()));
            System.out.println(kpi.getTime_local_Date_hour());
            System.out.println(kpi.getHttp_referer_domain());
        } catch (ParseException e) {
            e.printStackTrace();
        }
    }
}

從日誌文件中，取一行通過main函數寫一個簡單的解析測試。

控制檯輸出：

我們看到日誌行，被正確的解析成了kpi對象的屬性。我們把解析過程，單獨封裝成一個方法。

    private static KPI parser(String line) {
        System.out.println(line);
        KPI kpi = new KPI();
        String[] arr = line.split(" ");
        if (arr.length > 11) {
            kpi.setRemote_addr(arr[0]);
            kpi.setRemote_user(arr[1]);
            kpi.setTime_local(arr[3].substring(1));
            kpi.setRequest(arr[6]);
            kpi.setStatus(arr[8]);
            kpi.setBody_bytes_sent(arr[9]);
            kpi.setHttp_referer(arr[10]);

            if (arr.length > 12) {
                kpi.setHttp_user_agent(arr[11] + " " + arr[12]);
            } else {
                kpi.setHttp_user_agent(arr[11]);
            }

            if (Integer.parseInt(kpi.getStatus()) >= 400) {// 大於400，HTTP錯誤
                kpi.setValid(false);
            }
        } else {
            kpi.setValid(false);
        }
        return kpi;
    }

對map方法，reduce方法，啓動方法，我們單獨寫一個類來實現

下面將分別介紹MapReduce的實現類：

PV:org.apache.hadoop.mr.kpi.KPIPV.java
IP: org.apache.hadoop.mr.kpi.KPIIP.java
Time: org.apache.hadoop.mr.kpi.KPITime.java
Browser: org.apache.hadoop.mr.kpi.KPIBrowser.java

1). PV:org.apache.hadoop.mr.kpi.KPIPV.java

package org.apache.hadoop.mr.kpi;

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;

public class KPIPV {

    /**
     * @author yue
     * 20160512
     */
    public static class KPIPVMapper extends MapReduceBase implements Mapper<Object ,Text ,Text,IntWritable>{

        private IntWritable one = new IntWritable(1);
        private Text word = new Text();
        public void map(Object key, Text value,
                OutputCollector<Text, IntWritable> output, Reporter reporter)
                throws IOException {
            KPI kpi = KPI.filterPVs(value.toString());
            if(kpi.isValid()){
                word.set(kpi.getRequest());
                output.collect(word, one);
            }
        }
    }
    public static class KPIPVReducer extends MapReduceBase implements Reducer<Text,IntWritable,Text,IntWritable>{

        private IntWritable result = new IntWritable();

        public void reduce(Text key, Iterator<IntWritable> values,
                OutputCollector<Text, IntWritable> output, Reporter reporter)
                throws IOException {
            int sum = 0;
            while(values.hasNext()){
                sum += values.next().get();
            }
            result.set(sum);
            output.collect(key, result);
        }
    }

    public static void main(String[] args) throws Exception{
        String input =  "hdfs://192.168.37.134:9000/user/hdfs/log_kpi";
        String output = "hdfs://192.168.37.134:9000/user/hdfs/log_kpi/pv";

        JobConf conf = new JobConf(KPIPV.class);
        conf.setJobName("KPIPV");

        conf.setMapOutputKeyClass(Text.class);
        conf.setMapOutputValueClass(IntWritable.class);

        conf.setOutputKeyClass(Text.class);
        conf.setOutputValueClass(IntWritable.class);

        conf.setMapperClass(KPIPVMapper.class);
        conf.setCombinerClass(KPIPVReducer.class);
        conf.setReducerClass(KPIPVReducer.class);

        conf.setInputFormat(TextInputFormat.class);
        conf.setOutputFormat(TextOutputFormat.class);

        FileInputFormat.setInputPaths(conf, new Path(input));
        FileOutputFormat.setOutputPath(conf, new Path(output));

        JobClient.runJob(conf);
        System.exit(0);
    }
}

在程序中會調用KPI類的方法

KPI kpi = KPI.filterPVs(value.toString());

我們運行一下KPIPV.java
用hadoop命令查看HDFS文件

~ hadoop fs -cat /user/hdfs/log_kpi/pv/part-00000

/about  5
/black-ip-list/ 2
/cassandra-clustor/     3
/finance-rhive-repurchase/      13
/hadoop-family-roadmap/ 13
/hadoop-hive-intro/     14
/hadoop-mahout-roadmap/ 20
/hadoop-zookeeper-intro/        6

2). IP: org.apache.hadoop.mr.kpi.KPIIP.java

package org.apache.hadoop.mr.kpi;

import java.io.IOException;
import java.util.HashSet;
import java.util.Iterator;
import java.util.Set;

import org.apache.hadoop.fs.Path;
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.apache.hadoop.mr.kpi.KPIIP.KPIIPMapper.KPIIPReducer;

public class KPIIP {

    /**
     * @author yue
     * 20160512
     */
    public static class KPIIPMapper extends MapReduceBase implements Mapper<Object,Text,Text,Text>{

        private Text word = new Text();
        private Text ips = new Text();

        public void map(Object key, Text value,
                OutputCollector<Text, Text> output, Reporter reporter)
                throws IOException {
            KPI kpi = KPI.filterIPs(value.toString());
            if(kpi.isValid()){
                word.set(kpi.getRequest());
                ips.set(kpi.getRemote_addr());
                output.collect(word, ips);
            }
        }
    public static class KPIIPReducer extends MapReduceBase implements Reducer<Text,Text,Text,Text>{

        private Text result = new Text();
        private Set<String>count = new HashSet<String>();

        public void reduce(Text key, Iterator<Text> values,
                OutputCollector<Text, Text> output, Reporter reporter)
                throws IOException {
            while(values.hasNext()){
                count.add(values.next().toString());
            }
            result.set(String.valueOf(count.size()));
            output.collect(key, result);
        }

    }
    }
    public static void main(String[] args) throws Exception{
        String input =  "hdfs://192.168.37.134:9000/user/hdfs/log_kpi";
        String output = "hdfs://192.168.37.134:9000/user/hdfs/log_kpi/ip";

        JobConf conf = new JobConf(KPIIP.class);
        conf.setJobName("KPIIP");

        conf.setMapOutputKeyClass(Text.class);
        conf.setMapOutputValueClass(Text.class);

        conf.setOutputKeyClass(Text.class);
        conf.setOutputValueClass(Text.class);

        conf.setMapperClass(KPIIPMapper.class);
        conf.setCombinerClass(KPIIPReducer.class);
        conf.setReducerClass(KPIIPReducer.class);

        conf.setInputFormat(TextInputFormat.class);
        conf.setOutputFormat(TextOutputFormat.class);

        FileInputFormat.setInputPaths(conf, new Path(input));
        FileOutputFormat.setOutputPath(conf, new Path(output));

        JobClient.runJob(conf);
        System.exit(0);

    }

}

3). Time: org.apache.hadoop.mr.kpi.KPITime.java

package org.apache.hadoop.mr.kpi;

import java.io.IOException;
import java.text.ParseException;
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;

public class KPITime {

    /**
     * @author yue 20160512
     */
    public static class KPITimeMapper extends MapReduceBase implements
            Mapper<Object, Text, Text, IntWritable> {

        private IntWritable one = new IntWritable(1);
        private Text word = new Text();

        public void map(Object key, Text value,
                OutputCollector<Text, IntWritable> output, Reporter reporter)
                throws IOException {
            KPI kpi = KPI.filterTime(value.toString());
            if(kpi.isValid()){
                try {
                    word.set(kpi.getTime_local_Date_hour());
                    output.collect(word, one);
                } catch (ParseException e) {
                    e.printStackTrace();
                }
            }
        }
    }

    public static class KPITimeReducer extends MapReduceBase implements 
            Reducer<Text,IntWritable,Text,IntWritable>{

        private IntWritable result = new IntWritable();

        public void reduce(Text key, Iterator<IntWritable> values,
                OutputCollector<Text, IntWritable> output, Reporter reporter)
                throws IOException {
            int sum = 0;
            while(values.hasNext()){
                sum+=values.next().get();
            }
            result.set(sum);
            output.collect(key, result);
        }
    }

    public static void main(String[] args) throws Exception{
         String input =  "hdfs://192.168.37.134:9000/user/hdfs/log_kpi";
            String output = "hdfs://192.168.37.134:9000/user/hdfs/log_kpi/time";

            JobConf conf = new JobConf(KPITime.class);
            conf.setJobName("KPITime");

            conf.setOutputKeyClass(Text.class);
            conf.setOutputValueClass(IntWritable.class);

            conf.setMapperClass(KPITimeMapper.class);
            conf.setCombinerClass(KPITimeReducer.class);
            conf.setReducerClass(KPITimeReducer.class);

            conf.setInputFormat(TextInputFormat.class);
            conf.setOutputFormat(TextOutputFormat.class);

            FileInputFormat.setInputPaths(conf, new Path(input));
            FileOutputFormat.setOutputPath(conf, new Path(output));

            JobClient.runJob(conf);
            System.exit(0);
    }

}

4). Browser: org.apache.hadoop.mr.kpi.KPIBrowser.java

package org.apache.hadoop.mr.kpi;

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;


public class KPIBrowser {

    /**
     * 20160512
     * @author yue
     */
        public static class KPIBrowserMapper extends MapReduceBase implements Mapper<Object,Text,Text,IntWritable>{
            private IntWritable one = new IntWritable(1);
            private Text word = new Text();

            public void map(Object key,Text value,OutputCollector<Text,IntWritable> output , Reporter reporter) throws IOException{
                KPI kpi = KPI.filterBroswer(value.toString());
                if(kpi.isValid()){
                    word.set(kpi.getHttp_user_agent());
                    output.collect(word, one);
                }
            }
        }
    public static class KPIBrowserReducer extends MapReduceBase implements Reducer<Text,IntWritable,Text,IntWritable>{
        private IntWritable result = new IntWritable();

        public void reduce(Text key, Iterator<IntWritable> values,OutputCollector<Text, IntWritable> output, Reporter reporter)throws IOException {
            int sum = 0;
            while(values.hasNext()){
                sum+= values.next().get();
            }
            result.set(sum);
            output.collect(key, result);
        }

    }
    public static void main(String[] args) throws Exception{
        String input =  "hdfs://192.168.37.134:9000/user/hdfs/log_kpi";
        String output = "hdfs://192.168.37.134:9000/user/hdfs/log_kpi/browser";

        JobConf conf = new JobConf(KPIBrowser.class);
        conf.setJobName("KPIBrowser");

        conf.setOutputKeyClass(Text.class);
        conf.setOutputValueClass(IntWritable.class);

        conf.setMapperClass(KPIBrowserMapper.class);
        conf.setCombinerClass(KPIBrowserReducer.class);
        conf.setReducerClass(KPIBrowserReducer.class);

        conf.setInputFormat(TextInputFormat.class);
        conf.setOutputFormat(TextOutputFormat.class);

        FileInputFormat.setInputPaths(conf, new Path(input));
        FileOutputFormat.setOutputPath(conf, new Path(output));

        JobClient.runJob(conf);
        System.exit(0);
    }

}

Hadoop 提取KPI 進行海量Web日誌分析

Hadoop 提取KPI 進行海量Web日誌分析

1. Web日誌分析概述

2.需求分析：KPI指標設計

3.算法模型：Hadoop並行算法

4.架構設計：日誌KPI系統架構

5.程序開發2：MapReduce程序實現

Wireshark 安裝+使用（一）

HDFS 文件操作基礎命令

JAVA中Properties類的操作

在Ubuntu下搭建Python以及相關組件

Numpy中矩陣對象（matrix）

Ubuntu 14.04 安裝搜狗輸入法

Mac下配置sublime實現LaTeX

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結