分享

大数据实战之App管理平台日志分析(三)

pig2 2019-5-8 20:07:35 发表于 连载型 [显示全部楼层] 回帖奖励 阅读模式 关闭右栏 0 3146

问题导读

1.如何使用脚本创建Hive分区表?
2.Linux调度如何实现?
3.如何实现周期性load HDFS的数据到hive的分区表?

上一篇
大数据实战之App管理平台日志分析(二)
http://www.aboutyun.com/forum.php?mod=viewthread&tid=27036



一、创建hive分区表
----------------------------------------------------
    1.创建数据库
      $hive> create database applogsdb;

   2.创建分区表
      编写脚本。
      [applogs_create_table.sql]
      use applogsdb;
      --startup
      CREATE external TABLE ext_startup_logs(createdAtMs bigint,appId string,tenantId string,deviceId string,appVersion string,appChannel string,appPlatform string,osType string,deviceStyle string,country string,province string,ipAddress string,network string,carrier string,brand string,screenSize string)PARTITIONED BY (ym string, day string,hm string) ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe' STORED AS TEXTFILE;

      --error
      CREATE external TABLE ext_error_logs(createdAtMs bigint,appId string,tenantId string,deviceId string,appVersion string,appChannel string,appPlatform string,osType string,deviceStyle string,errorBrief string,errorDetail string)PARTITIONED BY (ym string, day string,hm string) ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe' STORED AS TEXTFILE;

      --event
      CREATE external TABLE ext_event_logs(createdAtMs bigint,appId string,tenantId string,deviceId string,appVersion string,appChannel string,appPlatform string,osType string,deviceStyle string,eventId string,eventDurationSecs bigint,paramKeyValueMap Map<string,string>)PARTITIONED BY (ym string, day string,hm string) ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe' STORED AS TEXTFILE;

      --page
      CREATE external TABLE ext_page_logs(createdAtMs bigint,appId string,tenantId string,deviceId string,appVersion string,appChannel string,appPlatform string,osType string,deviceStyle string,pageViewCntInSession int,pageId string,visitIndex int,nextPage string,stayDurationSecs bigint)PARTITIONED BY (ym string, day string,hm string) ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe' STORED AS TEXTFILE;

      --usage
      CREATE external TABLE ext_usage_logs(createdAtMs bigint,appId string,tenantId string,deviceId string,appVersion string,appChannel string,appPlatform string,osType string,deviceStyle string,singleUseDurationSecs bigint,singleUploadTraffic bigint,singleDownloadTraffic bigint)PARTITIONED BY (ym string, day string,hm string) ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe' STORED AS TEXTFILE;

   3.执行applogs.sql脚本
      $> hive -f /share/umeng/applogs_create_table.sql


二、使用Linux cron调度,周期性load HDFS的数据到hive的分区表
----------------------------------------------------------------
    1.解释
      调度就是周期运行指定的任务。

    2.Ubuntu安装Cron
        apt-get install cron

    3.调度命令[Ubuntu]
        $> /usr/sbin/service cron start
        $> /usr/sbin/service cron status
        $> /usr/sbin/service cron restart
        $> /usr/sbin/service cron stop

   4.调度命令[centos]
      //查看状态
      $> service crond status
      //停止
      $>service crond stop
      //启动
      $> service crond start

   5.配置调度任务
      a.[/etc/crontab下]
            0-59|0-23 1-31 1-12 0-6
             分   时  天   月   星期
             *    *    *    *    *   ubuntu  source /etc/profile;echo `date` >> ~/1.log

            //五个* 表示通配,每分钟执行一次后面的命令 --> source /etc/profile;echo `date` >> ~/1.log
            //Linux最小执行间隔为1分钟

    6.date操作
        date -d "-3 minute" +%Y%m-%d-%H%M           //得到3分钟之前的时间
        date -d "3 minute" +%Y%m-%d-%H%M           //得到3分钟之后的时间
        date -d "3 hour" +%Y%m-%d-%H%M           //得到3分钟之后的时间

    7.使用sed命令编辑文件
        //删除第一行
        $>sed '1d' 1.log
        //删除最后一行
        $>sed '$d' 1.log
        //删除区间行
        $>sed '1,3d' 1.log
        //删除所有行
        $>sed '1,$d' 1.log

        //p:print -- 复制每一行,然后打印输出。也就是每一行打印两遍
        $>sed '1,$p' 1.log

        //-n:安静模式,只显示处理的行 -- 只打印第一行
        $>sed -n '1,$p' 1.log

        //-i:对源文件进行修改[1,$p]
        $>sed -i '1,$p' 1.log

        //显示含有hello的行[/.../p]
        $>sed -n '/hello/p' 1.log

        //追加内容第1行之后追加新行[1a]
        $>sed -i '1ahello' 1.log

        //追加新行,指定前置字符 [1a]
        $>sed -i '1a\ hello' 1.log

        //1-3行每行下面都追加新行hello[1,3a] --- append
        $>sed -i '1,3ahello' 1.log

        //替换,针对整行[1,2c] -- cover
        $>sed -i '1,2ckkk' 1.log

        //替换,针对特定字符串,用how替换掉hello [s/../../g]
        $>sed -i 's/hello/how/g' 1.log

   8.编写脚本,周期性导入hdfs的文件到hive的分区表
      [~/Downloads/.exportData.sql]
        load data inpath '/data/applogs/startup/${ym}/${day}/${hm}' into table applogsdb.ext_startup_logs partition(ym='${ym}',day='${day}',hm='${hm}');
        load data inpath '/data/applogs/error/${ym}/${day}/${hm}' into table applogsdb.ext_error_logs partition(ym='${ym}',day='${day}',hm='${hm}');
        load data inpath '/data/applogs/event/${ym}/${day}/${hm}' into table applogsdb.ext_event_logs partition(ym='${ym}',day='${day}',hm='${hm}');
        load data inpath '/data/applogs/page/${ym}/${day}/${hm}' into table applogsdb.ext_page_logs partition(ym='${ym}',day='${day}',hm='${hm}');
        load data inpath '/data/applogs/usage/${ym}/${day}/${hm}' into table applogsdb.ext_usage_logs partition(ym='${ym}',day='${day}',hm='${hm}');

   9.编写执行脚本 -- 每次只拷贝1分钟时间片的数据。但是数据是3分钟前的那1分钟的数据。
      [~/Downloads/exec.sh]
        #!/bin/bash
        systime=`date -d "-3 minute" +%Y%m-%d-%H%M`
        ym=`echo ${systime} | awk -F '-' '{print $1}'`
        day=`echo ${systime} | awk -F '-' '{print $2}'`
        hm=`echo ${systime} | awk -F '-' '{print $3}'`

        cp ~/Downloads/.exportData.sql ~/Downloads/exportData.sql
        sed -i 's/${ym}/'${ym}'/g' ~/Downloads/exportData.sql
        sed -i 's/${day}/'${day}'/g' ~/Downloads/exportData.sql
        sed -i 's/${hm}/'${hm}'/g' ~/Downloads/exportData.sql

        #执行hive的命令,注意此处的hive命令一定要写全路径,不然找不到hive
        /soft/hive/bin/hive -f ~/Downloads/exportData.sql
        rm ~/Downloads/exportData.sql

    10.设定每隔1分钟自动执行脚本exec.sh一次[生产环境一般为一天执行一次。每天的凌晨2点]
        $> sudo nano /etc/crontab
        *    *    *    *    *   ubuntu  source /etc/profile;~/Downloads/exec.sh

        //开启服务
        $> /usr/sbin/service cron start
        $> /usr/sbin/service cron status
        $> /usr/sbin/service cron stop


三、导出web项目的war包,部署到ubuntu的tomcat上
---------------------------------------------------------------------
   1.安装tomcat
        a.下载安装
            apache-tomcat-7.0.72.tar.gz

        b.tar开
            tar -xzvf ~/Downloads/apache-tomcat-7.0.72.tar.gz -C /soft

        c.软连接
            $>ln -s /soft/apache-tomcat-7.0.72 /soft/tomcat

    2.导出web项目的war包
        a.找到web项目,在pom.xml中添加插件和common依赖
            <?xml version="1.0" encoding="UTF-8"?>
            <project xmlns="http://maven.apache.org/POM/4.0.0"
                     xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
                     xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
                <modelVersion>4.0.0</modelVersion>

                <groupId>com.test</groupId>
                <artifactId>app-logs-collect-web</artifactId>
                <version>1.0-SNAPSHOT</version>

                <packaging>war</packaging>
                <build>
                    <plugins>
                        <plugin>
                            <groupId>org.apache.maven.plugins</groupId>
                            <artifactId>maven-surefire-plugin</artifactId>
                            <version>2.12.4</version>
                            <configuration>
                                <skipTests>true</skipTests>
                            </configuration>
                        </plugin>
                        <plugin>
                            <artifactId>maven-war-plugin</artifactId>
                            <version>2.6</version>
                            <configuration>
                                <warSourceDirectory>web</warSourceDirectory>
                                <failOnMissingWebXml>false</failOnMissingWebXml>
                                <excludes>css/*,images/*,js/*,png/*,phone/*</excludes>
                            </configuration>
                        </plugin>
                    </plugins>
                </build>

                <dependencies>

                    <dependency>
                        <groupId>junit</groupId>
                        <artifactId>junit</artifactId>
                        <version>4.11</version>
                    </dependency>
                    <dependency>
                        <groupId>com.fasterxml.jackson.core</groupId>
                        <artifactId>jackson-core</artifactId>
                        <version>2.8.8</version>
                    </dependency>
                    <dependency>
                        <groupId>com.fasterxml.jackson.core</groupId>
                        <artifactId>jackson-databind</artifactId>
                        <version>2.8.3</version>
                    </dependency>

                    <dependency>
                        <groupId>com.maxmind.db</groupId>
                        <artifactId>maxmind-db</artifactId>
                        <version>1.0.0</version>
                    </dependency>

                    <dependency>
                        <groupId>org.springframework</groupId>
                        <artifactId>spring-webmvc</artifactId>
                        <version>4.3.5.RELEASE</version>
                    </dependency>
                    <dependency>
                        <groupId>javax.servlet</groupId>
                        <artifactId>servlet-api</artifactId>
                        <version>2.5</version>
                    </dependency>
                    <dependency>
                        <groupId>com.alibaba</groupId>
                        <artifactId>fastjson</artifactId>
                        <version>1.2.24</version>
                    </dependency>
                    <dependency>
                        <groupId>com.maxmind.db</groupId>
                        <artifactId>maxmind-db</artifactId>
                        <version>1.0.0</version>
                    </dependency>

                    <dependency>
                        <groupId>org.apache.kafka</groupId>
                        <artifactId>kafka_2.11</artifactId>
                        <version>0.10.0.1</version>
                    </dependency>
                    <dependency>
                        <groupId>com.test</groupId>
                        <artifactId>app-analyze-common</artifactId>
                        <version>1.0-SNAPSHOT</version>
                    </dependency>

                </dependencies>
            </project>

        b.因为涉及到关联的公共模块common,所以,导出war包之前要先安装common模块,使common模块重新打包放到.m2仓库下。
            maven --> install common module ...

        c.然后打包web服务器程序成war包app-web.war

    3.复制war文件到centos下${tomcat}/webapps

    4.启动tomcat
        $>tomcat/bin/startup.sh

    5.验证
        $>netstat -anop | grep 8080

    6.开启flume
        flume-ng agent -f applog.conf -n a1

    7.修改手机程序连接服务器的地址。
        UploadUtil.java
        21行:URL url = new URL("http://s100:8080/app-web/coll/index");
            http://s100:8080/app-web/coll/index

    8.至此,数据就收集并上传到hive上了


四、Hive查询
-----------------------------------------------------------
    1.通过hive查询指定app的用户数[去重]
        hive> select count(distinct deviceid) from ext_startup_logs where appid = 'sdk34734';

最新经典文章,欢迎关注公众号


---------------------
作者:葛红富
来源:CSDN
原文:https://blog.csdn.net/xcvbxv01/article/details/84296229


没找到任何评论,期待你打破沉寂

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

推荐上一条 /2 下一条