假设给我们提供一份apache的access.log文件,根据业务需求,我们需要分析得到以下几方面的需求:
1.统计每天的页面访问量
2.统计每种不同的HTTP状态对应的访问数
3.统计不同独立IP的访问量
4.统计不同页面的访问量
access.log文件下载地址
Apache 日志内容从左到右依次包括如下内容:
远程IP地址
客户端记录
浏览者记录
请求的时间,包括日期,时间,时区
服务器收到的请求,包括请求方法(GET/POST),请求的目标链接地址,HTTP版本号
请求状态代码,表示请求是否成功
发送的字节数
发出请求时所在的URL
客户端的详细信息,操作系统及浏览器等
1.首先在虚拟机启动spark
2.在启动spark-shell ./spark-shell --master spark://hdp-2:7077 --executor-memory 500m --total-executor-cores 1
scala代码
```java
package spark1128
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
object sparkcount {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setMaster("local&#