Hive处理案例——Zebra业务数据清洗

Zebra业务回顾

zebra业务回顾
zebra项目最开始阶段会对日志文件进行分析统计，针对apptype,userip等20个字段做了统计，然后把最后的结果落地到数据库里。这张表相当于总表（f_http_app_host）

在企业里做到这步并没有结束，因为后续还要做数据分析，可能会针对此表进行多个维度的查询和统计，比如：
1.应用欢迎度
2.各网站表现
3.小区Http上网能力
4.小区上网洗好
所以我们可以根据以上四个维度，建立对应的表，并从f_http_app_host 取出对应的数据，然后做统计，最后交给前端做数据可视化的工作。比如下图是针对应用受欢迎程度的数据可视化图：
下图展示了前10名最受欢迎应用，是根据每个应用产生的总量来统计的（一般来说，流量越大，用户越多）

一、应用欢迎度表说明

建表语句：

create table D_H_HTTP_APPTYPE(

hourid datetime, apptype int, appsubtype int, attempts bigint, accepts bigint, succratio double, trafficul bigint, trafficdl bigint, totaltraffic bigint, retranul bigint, retrandl bigint, retrantraffic bigint, failcount bigint, transdelay bigint
);

业务说明
2016年10月25日 20:10

数据以| 分割后，每个数据的含义（仅展示项目里用到的字段数据）

应用大类App Type

应用小类App sub-type
DPI设备子业务识别能力要求（部分）

业务字段处理逻辑

    HttpAppHost hah = new HttpAppHost();
    hah.setReportTime(reportTime);
    //上网小区的id
    hah.setCellid(data[16]);
    //应用类hah.setAppType(Integer.parseInt(data[22]));
    //应用子类hah.setAppSubtype(Integer.parseInt(data[23]));
    // 用 户 ip hah.setUserIP(data[26]);
    // 用 户 port hah.setUserPort(Integer.parseInt(data[28]));
    //访问的服务ip
    hah.setAppServerIP(data[30]);
    // 访 问 的 服 务 port hah.setAppServerPort(Integer.parseInt(data[32]));
    //域名hah.setHost(data[58]);

    int appTypeCode = Integer.parseInt(data[18]);
    String transStatus = data[54];
    int appTypeCode = Integer.parseInt(data[18]);
    String transStatus = data[54];

    //业务逻辑处理
    if (hah.getCellid() == null || hah.getCellid().equals("")) {
        hah.setCellid("000000000");
    }
    if (appTypeCode == 103) {
        hah.setAttempts(1);
    }
    if (appTypeCode == 103

            &&