MongoDB日志分析
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
traffic: 62
文章： article/11325
视频： video/3235
（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
（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）
·按照地市统计最受欢迎的Top10课程 （ip）
·按照流量统计最受欢迎的Top10课程 （traffic）
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。
1.数据清洗
使用java程序清洗数据，修改时间格式：
清洗完后的数据：
导入到hive中：
首先创建表result3：
create table result3(Ip string
,Dates string
,Day string
,Traffic string
,Type string
,Id string
)
ROW format delimited fields terminated by ',';
load data local inpath '/opt/software/result2.txt' into table result3;
2.数据统计
（1）·统计最受欢迎的视频/文章的Top10访问次数 （video/article）
创建ksh_1表
create table ksh_1 as
select id,count(*) total
from result3 where type='video'
group by id
order by total desc
limit 10;
create table ksh_2 as
select id,count(*) total
from result3 where type='article'
group by id
order by total desc
limit 10;
导入到mysql：
bin/sqoop export \
--connect jdbc:mysql://Hadoop102:3306/company \
--username root \
--password 1229 \
--table ksh_1 \
--num-mappers 1 \
--export-dir /user/hive/warehouse/test03.db/ksh_1 \
--input-fields-terminated-by "\001"
bin/sqoop export \
--connect jdbc:mysql://Hadoop102:3306/company \
--username root \
--password 1229 \
--table ksh_2 \
--num-mappers 1 \
--export-dir /user/hive/warehouse/test03.db/ksh_2 \
--input-fields-terminated-by "\001"
（2）按照地市统计最受欢迎的Top10课程 （ip）
create table ksh_4 as
select ip,id,count(*) total
from result3
group by ip,id
order by total desc
limit 10;
bin/sqoop export \
--connect jdbc:mysql://Hadoop102:3306/company \
--username root \
--password 1229 \
--table ksh_4 \
--num-mappers 1 \
--export-dir /user/hive/warehouse/test03.db/ksh_4 \
--input-fields-terminated-by "\001"
（3）按照流量统计最受欢迎的Top10课程 （traffic）
创建ksh_5表:
create table ksh_5 as
select id,sum(traffic) total
from result3
group by id
order by total desc
limit 10;
导入到MySQL:
bin/sqoop export \
--connect jdbc:mysql://Hadoop102:3306/company \
--username root \
--password 1229 \
--table ksh_5 \
--num-mappers 1 \
--export-dir /user/hive/warehouse/test03.db/ksh_5 \
--input-fields-terminated-by "\001"
- 可视化
对于统计地区的可视化还未能完成，目前完成第一个和第三个统计可视化
