MongDB日志分析

石家庄铁道大学2021年秋季

  2019 级课堂测试试卷-MongDB日志分析

课程名称：大型数据库应用技术  任课教师：王建民     测试时间：150分钟

 

Result文件数据说明：

Ip：106.39.41.166,（城市）

Date：10/Nov/2016:00:01:02 +0800,（日期）

Day：10,（天数）

Traffic: 54 ,（流量）

Type: video,（类型：视频video或文章article）

Id: 8701（视频或者文章的id）

测试要求：

1、 数据清洗：按照进行数据清洗，并将清洗后的数据导入MongDB数据库中。

两阶段数据清洗：

（1）第一阶段：把需要的信息从原始日志中提取出来

ip:    199.30.25.88

time:  10/Nov/2016:00:01:03 +0800

day：10

traffic:  62

文章： article/11325

视频： video/3235

create table result(ip varchar(30),times varchar(30),day varchar(30),traffic  varchar(30),type varchar(30),id varchar(30)) row format delimited fields terminated by ',' ;

 

 

 

load data local inpath '/linmob/data/result.txt' overwrite into table result;

 

 

 

 

（2）第二阶段：根据提取出来的信息做精细化操作

ip--->城市 city（IP）

date--> time:2016-11-10 00:01:03

day: 10

traffic:62

type:article/video

id:11325

create temporary function rm as "hiveUDF.RemoveQuote";

 

create temporary function df as "hiveUDF.DateTransform";

 

create table clean_result(ip varchar(30),times varchar(30),day varchar(30),traffic  varchar(30),type varchar(30),id varchar(30)) row format delimited fields terminated by ',' ;

 

insert overwrite table clean_result select ip,df(rm(times)),day,traffic,type,id from result;

 

 

（3）MongDB数据库表结构:

create table data(  ip string,  time string , day string, traffic bigint,

type string, id   string )

 

 

2、数据处理：

·统计最受欢迎的视频/文章的Top10访问次数 （video/article）

insert into result_visit(visit,id)

select count(*) as visit, id as id from clean_result

group by id order by count(*) desc limit 10;

 

·按照地市统计最受欢迎的Top10课程 （ip）

insert into result_city(id,count)

select id as id,count(*) as count from clean_result

group by id order by count(*) desc limit 10;

 

 

·按照流量统计最受欢迎的Top10课程 （traffic）

insert into result_traffic(id,traffic)

select id as id,sum(traffic) as traffic from clean_result

group by id order by sum(traffic) desc limit 10;

 

3、  数据可视化：将统计结果倒入MySql数据库中，通过图形化展示的方式展现出来。