sparklinux服务器日志信息,日志分析实战之清洗日志小实例4：统计网站相关信息...

原标题：日志分析实战之清洗日志小实例4：统计网站相关信息

问题导读

1.如何统计网站总的点击量？

2.如何实现统计不能访问网页的个数?

3.文章中如何定义和使用Scala函数的？

上一篇

about云日志分析实战之清洗日志3：如何在spark shell中导入自定义包

http://www.aboutyun.com/forum.php?mod=viewthread&tid=22881

上一篇，我们已经添加了清洗日志的核心代码，那么剩下的我们就可以统计相关信息，比如最简单的找到不能访问的网页。

导入之后，我们创建AccessLogParser实例

?

1

val p = new AccessLogParser

这个很重要，在后面我们会用到

首先我们需要加载一部分日志样例。

?

01

02

03

04

05

06

07

08

09

10

192.168.169.50 - - [17 /Feb/2012 :10:09:13 +0800] "GET /favicon.ico HTTP/1.1" 404 288 "-" "360se"

192.168.169.50 - - [17 /Feb/2012 :10:36:26 +0800] "GET / HTTP/1.1" 403 5043 "-" "Mozilla/5.0 (Windows NT 5.1; rv:6.0) Gecko/20100101 Firefox/6.0"

192.168.169.50 - - [17 /Feb/2012 :10:36:26 +0800] "GET /icons/powered_by_rh.png HTTP/1.1" 200 1213 "http://192.168.55.230/" "Mozilla/5.0 (Windows NT 5.1; rv:6.0) Gecko/20100101 Firefox/6.0"

192.168.169.50 - - [17 /Feb/2012 :10:09:10 +0800] "GET /icons/powered_by_rh.png HTTP/1.1" 200 1213 "http://192.168.55.230/" "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; InfoPath.2; 360SE)"

192.168.55.230 - - [24 /Feb/2012 :09:48:58 +0800] "GET /favicon.ico HTTP/1.1" 404 288 "-" "Mozilla/5.0 (X11; U; Linux x86_64; en-US; rv:1.9.2.24) Gecko/20111109 CentOS/3.6-3.el5.centos Firefox/3.6.24"

192.168.169.50 - - [24 /Feb/2012 :09:45:03 +0800] "GET /server-status HTTP/1.1" 404 290 "-" "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; InfoPath.2; 360SE)"

192.168.55.230 - - [24 /Feb/2012 :09:49:02 +0800] "GET / HTTP/1.1" 403 5043 "-" "Mozilla/5.0 (X11; U; Linux x86_64; en-US; rv:1.9.2.24) Gecko/20111109 CentOS/3.6-3.el5.centos Firefox/3.6.24"

192.168.55.230 - - [24 /Feb/2012 :09:49:02 +0800] "GET /icons/apache_pb.gif HTTP/1.1" 200 2326 "http://192.168.55.230/" "Mozilla/5.0 (X11; U; Linux x86_64; en-US; rv:1.9.2.24) Gecko/20111109 CentOS/3.6-3.el5.centos Firefox/3.6.24"

192.168.55.230 - - [24 /Feb/2012 :09:49:02 +0800] "GET /icons/powered_by_rh.png HTTP/1.1" 200 1213 "http://192.168.55.230/" "Mozilla/5.0 (X11; U; Linux x86_64; en-US; rv:1.9.2.24) Gecko/20111109 CentOS/3.6-3.el5.centos Firefox/3.6.24"

192.168.55.230 - - [24 /Feb/2012 :09:49:20 +0800] "GET /server-status HTTP/1.1" 404 290 "-" "Mozilla/5.0 (X11; U; Linux x86_64; en-US; rv:1.9.2.24) Gecko/20111109 CentOS/3.6-3.el5.centos Firefox/3.6.24"

将其保存为aboutyun.log

将其上传到hadoop

?

1

hadoop fs -put aboutyun.log /

上传成功验证

统计网站总的点击量

接着我们加载文件。

?

1

var log=sc.textFile( "/aboutyun.log" )

这里sc是系统已经初始化的，我们可以直接使用，可以理解为sparkContext的实例

加载之后，我们统计行数，也可以理解为统计网站总的点击量。这时候我们就看到总点击量为10

统计网站不能访问网页的数量

首先我们定义一个函数，获取一条记录的httpStatusCode，也就是返回码

?

1

2

3

4

5

6

def getStatusCode(line : Option[AccessLogRecord]) = {

line match {

case Some(l) = > l.httpStatusCode

case None = > "0"

}

}

定义函数之后，我们接着使用

?

1

log.filter(line => getStatusCode(p.parseRecord(line)) == "404" ).count

上面的p是我们前面定义的对象。

val p = new AccessLogParser，然后调用了parseRecord函数。这些都是jar包的内容。大家可以详细看看。

这样404网页的个数就统计出来了。后面我们可以做一些更加复杂的内容

#################

补充说明

1.在统计日志测试的时候，文件一定标准，否则会统计错误，比如日志要换行

2.函数定义

附上所用函数的相关信息

Option and Either

Option和Either都是用来让返回值可以有两个选择

而Option是比较简单的版本, 两个选择, 一定是成功Some, 和失败None

Option意味着可能有值some(x), 也可能没有值(用None对象, 表示缺失), 典型的例子就是从字典里取值

?

1

2

3

4

5

6

7

8

9

val capitals = Map( "France" -> "Paris" , "Japan" -> "Tokyo" )

def show(x : Option[String]) = x match { //Option类型, 可选的String

case Some(s) = > s

case None = > "?"

}

scala> show(capitals get "France" )

res 24 : String = Paris

scala> show(capitals get "North Pole" )

res 25 : String = ?

以前的方式, 比如Java, 通过null来表示没有取到值, 但是有的时候null可能作为合法值出现, 就需要特殊处理, 很麻烦

而Scala提供option来比较优雅的解决这个问题

Either, 更为通用一些, 可用自己定义两种选择, 直接看个spark源码中的例子,

对于PutResult中的data, 有可能是ByteBuffer或者Iterator

而使用的时候, 使用Left和Right来选择到底用哪一个

?

1

2

3

private [spark] case class PutResult(size : Long, data : Either[Iterator[ _ ], ByteBuffer])

PutResult(sizeEstimate, Left(values.iterator))PutResult(bytes.limit(), Right(bytes.duplicate()))

这里无论option或either都提高了极好的灵活性, 在Java中如果要返回一个有两种可能性的值就比较不那么优雅了

来自：

http://www.cnblogs.com/fxjwind/p/3338829.html返回搜狐，查看更多

责任编辑：