统计系统八---说明

统计系统---说明

这里的日志是使用log4j生成的，按指定的格式生成日志，既一条记录的各个字段使用一个tab建隔开，主要是为了解析的时候方便

这里的统计使用shell来下载解压缩日志和报警，使用awk来进行解析日志，使用存储过程来进行数据的处理
（下一个统计使用java来实现，使用的是access日志）
1.4亿的pv日志在据说是10分钟用awk就能解析完毕，还没有验证，因为相当于做了处理，因此入库也会很快。


统计分为三大部分：
1.下载，解压缩
2.解析日志入库
3.报警
这是基本的三大部分，具体可能还涉及到存储过程等。

配置文件：
1.下载配置文件---/config/down.config
里面是url地址，相当于指向日志的目录，不包括日志名
在下载的时候会根据url的域名或者是ip地址建立文件夹，保存该服务器的日志文件，然后直接解压缩该文件到该目录下
2.报警的配置文件-----/config/mail.config
里面是一些mail地址，一行一个，第一个是发送的地址，后面的都属于抄送。
接收报警邮件的邮箱需要注意不要把此邮件当成垃圾邮件，这和邮箱有关系，网易的不知道为什么就是收不到，google的邮箱就不用设置都能收到，而263的企业邮箱需要在网页中把root加为好友才能用foxmail收到邮件
3.一般的配置文件----/config/comm.config
log_suffix是为了看使用的是什么压缩的，因为测试的时候是在windows下生成的日志，压缩也在Windows下，因此为了支持zip的方式，就设置了此key，另外支持tar解压缩的压缩文件，这个是为了正式在linux下使用的
mysql_head 是连接数据库的一段东西
sql_procedure 是当日志入库之后需要执行的存储过程，把临时表中的数据转到正式表中去

log_name_pv 是下载日志名，日期用XXXX-XX-XX-XX，使用的小时的格式，但在脚本中几乎和此无关，不管是天，还是小时都可以下载日志，入库也没有问题，有问题的是存储过程。
down_config_file_pv是下载文件的配置文件，既前面提到的/config/down.config文件的所在地，因此down.config其实不管放在哪都行，文件名也可以随意的修改
log_save_path_pv 是日志保存的路径，可以随便填写，可以是任意的目录，主要是备份下载的文件，以及解压缩文件给解析的时候用，日志入库完毕后会删除解压缩的文件
log_name_ex_pv 是解压缩后的pv日志名，不同的机器名称需要统一
sql_table_pv 是sql的表名+字段，是用于脚本解析日志之后生成的临时文件然后入库使用的，数据库的字段需要和临时文件的列数相对应

log_name_click 同log_name_pv
log_name_ex_click 同log_name_ex_pv
down_config_file_click 同down_config_file_pv
log_save_path_click 同log_save_path_click
sql_table_click 同sql_table_pv

报警这个脚本里面没有写，传到博客上来的时候还没有加入报警的东东，呵呵，具体的报警其实应该设在下载失败的时候，以及数据解析入库失败的时候
第一个下载失败的时候好做，只需要在下载失败那里发送邮件即可
第二个涉及到数据库就不那么好做了，比较简单的方法是用其他的程序写一个监控的东东，然后用监控软件定时查看数据库中的数据是否已经入库。公司里是采用的java写了一个jsp页面，然后按条件查询数据库，若有则返回ok,若没有则返回error，用的是hostmonitor监控ok字段。

解析属于最重要的一部分，解析出错会导致整个统计系统的统计数据不准确。
这里使用了awk来进行解析，具体的awk教程可以上网看一下，很简单的,一旦稳定的话一般就不会出问题，初期可能会比较累一点。