hive日志分析实战（二）

需求

统计某游戏平台新用户渠道来源

日志格式如下：

 

Text代码  

1. Jul 23 0:00:47  [info] {SPR}gjzq{SPR}20130723000047{SPR}85493108{SPR}S1{SPR}{SPR}360wan-2j-reg{SPR}58.240.209.78{SPR}  

 

 分析

问题的关键在于先找出新用户

新用户：仅在7月份登陆过平台的用户为新用户

依据map/reduce思想，可以按照如下方式找出新用户：

• 假如某用户在某月份出现过，则（qid，year，month）=1
• 按qid汇总该用户出现过的月数，即构建(qid,count(year,month))对
• 新用户的count（year，month）=1，且(year,month)=(2013,07).

找出新用户的来源渠道

来源渠道：新用户在201307可能多次登录平台，需要找出最早登陆平台所属渠道

分两步来做：

• 找出新用户所有登陆记录（qid,logintime,src）
• 针对同一qid找出logintime最小时的src

实现

1. 数据准备

    1）建表

  

Sql代码  

1. create table if not exists glogin_daily (year int,month int,day int,hour int,logintime string,qid int,gkey string,skey string,loginip string,registsrc string,loginfrom string) partitioned by (dt string);  

     依据日志内容及所关心的信息创建表格，按天组织分区

   2 ) 数据导入

    因日志文件存在于多处，我们先将日志汇总到一临时目录，创建临时外部表将数据加载进hive，然后通过正则匹配的方式分隔出各字段。（内部表只能load单文件，通过这种方式可以load文件夹）

   

Shell代码  

1. echo "==== load data into tmp table $TMP_TABLE ==="  
2.     ${SOFTWARE_BASE}/hive/bin/hive -e "create external table $TMP_TABLE (info string) location '${TMP_DIR}';"  
3.     echo "==== M/R ==="  
4.     CURR_YEAR=`echo $CURR_DOING|cut -b 1-4`  
5.     CURR_MONTH=`echo $CURR_DOING|cut -b 5-6`  
6.     CURR_DAY=`echo $CURR_DOING|cut -b 7-8`  
7.     dt="${CURR_YEAR}-${CURR_MONTH}-${CURR_DAY}"  
8.     ${SOFTWARE_BASE}/hive/bin/hive -e "add file ${SCRIPT_PATH}/${MAP_SCRIPT_FILE};set hive.exec.dynamic.partition=true;insert overwrite table glogin_daily partition (dt='${dt}') select transform (t.i) using '$MAP_SCRIPT_PARSER ./${MAP_SCRIPT_FILE}' as (y,m,d,h,t,q,g,s,ip,src,f) from (select info as i from ${TMP_TABLE}) t;"  

  

其中filter_login.php:

Php代码  

1. $fr=fopen("php://stdin","r");  
2. $month_dict = array(  
3.     'Jan' => 1,  
4.     'Feb' => 2,  
5.     'Mar' => 3,  
6.     'Apr' => 4,  
7.     'May' => 5,  
8.     'Jun' => 6,  
9.     'Jul' => 7,  
10.     'Aug' => 8,  
11.     'Sep' => 9,  
12.     'Oct' => 10,  
13.     'Nov' => 11,  
14.     'Dec' => 12,  
15. );  
16. while(!feof($fr))  
17. {  
18.     $input = fgets($fr,256);  
19.     $input = rtrim($input);  
20.     //Jul 23 0:00:00  [info] {SPR}xxj{SPR}20130723000000{SPR}245396389{SPR}S9{SPR}iwan-ng-mnsg{SPR}cl-reg-xxj0if{SPR}221.5.67.136{SPR}  
21.     if(preg_match("/([^ ]+) +(\d+) (\d+):.*\{SPR\}([^\{]*)\{SPR\}(\d+)\{SPR\}(\d+)\{SPR\}([^\{]*)\{SPR\}([^\{]*)\{SPR\}(([^\{]*)\{SPR\}([^\{]*)\{SPR\})?/",$input,$matches))  
22.     {  
23.        $year = substr($matches[5],0,4);  
24.        echo $year."\t".$month_dict[$matches[1]]."\t".$matches[2]."\t".$matches[3]."\t".$matches[5]."\t".$matches[6]."\t".$matches[4]."\t".$matches[7]."\t".$matches[11]."\t".$matches[8]."\t".$matches[10]."\n";  
25.     }  
26. }  
27. fclose ($fr);  

 

2.找出新用户

 

1)用户登陆平台记录按月消重汇总

 

Sql代码  

1. create table distinct_login_monthly_tmp_07 as select qid,year,month from glogin_daily group by qid,year,month;  

 
2)用户登陆平台月数

 

Sql代码  

1. create table login_stat_monthly_tmp_07 as select qid,count(1) as c from distinct_login_monthly_tmp_07 where year<2013 or (year=2013 and month<=7) group by qid;   

 
平台级新用户：
1)找出登陆月数为1的用户;

2.判断这些用户是否在7月份出现，如果有出现，找出登陆所有src

 

Sql代码  

1. create table new_player_monthly_07 as select distinct a.qid,b.src,b.logintime from (select qid from login_stat_monthly_tmp_07 where c=1) a join (select qid,loginfrom as src,logintime from glogin_daily where month=7 and year=2013) b on a.qid=b.qid;  

 
找出最早登陆的src:

 

Sql代码  

1. add file /home/game/lvbenwei/load_login/get_player_src.php;  
2. create table new_player_src_07 as select transform (t.qid,t.src,t.logintime) using 'php ./get_player_src.php' as (qid,src,logintime) from (select * from new_player_monthly_07 order by qid,logintime) t;  

 

其中get_player_src.php:

Php代码  

1. $fr=fopen("php://stdin","r");  
2. $curr_qid = null;  
3. $curr_src = null;  
4. $curr_logintime=null;  
5. while(!feof($fr))  
6. {  
7.     $input = fgets($fr,1024);  
8.     $input = rtrim($input);  
9.     $arr   = explode("\t", $input);  
10.     $qid   = trim($arr[0]);  
11.         if(emptyempty($curr_qid)||$curr_qid != $qid)  
12.         {  
13.                 $curr_qid = $qid;  
14.                 echo $input."\n";  
15.         }  
16. }  
17. fclose ($fr);  

 
平台级新用户数：

Sql代码  

1. select count(*) from new_player_src_07;  

 
平台级各渠道新用户汇总：

Sql代码  

1. create table new_player_src_stat_07 as select src,count(*) from new_player_monthly_07 group by src;  

http://godlovesdog.iteye.com/blog/1926259