模擬sparkstreaming流式實(shí)時(shí)系統(tǒng)

參考書籍:《spark最佳實(shí)踐》

實(shí)驗(yàn)步驟:
1.Python程序生成訪問日志
2.通過腳本將日志自動上傳至HDFS
3.spark streaming程序監(jiān)控HDFS目錄惯疙,自動處理新的文件容劳。

log.py文件代碼:

import random
import time

class WebLogGeneration(object):
    def __init__(self):
        self.user_agent_dist={
            0.0:"Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Trident/6.0)",
            0.1:"Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Trident/6.0)",
            0.2:"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0;.NET CLR 2.0.50727)",
            0.3:"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.0; .NET CLR 1.1.4322)",
            0.4:"Mozilla/5.0 (Windows NT 6.1; Trident/7.0; rv:11.0) like Gecko",
            0.5:"Mozilla/5.0 (Windows NT 6.1; WOW64;rv:41.0) Gecko/20100101 Firefox/41.0",
            0.6:"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.0; .NET CLR 1.1.4322)",
            0.7:"Mozilla/5.0 (iPhone; CPU iPhone OS 7_0_3 like Mac OS X) AppleWebKit/537.51.1 (KHTML,like Gecko) Version/7.0 Mobile/11B511 Safari/9537.53",
            0.8:"Mozilla/5.0 (Linux; Android 4.2.1; Galaxy Nexus Build/JOP40D) AppleWebKit/535.19 (KHTML,like Gecko) Chrome/18.0.1025.166 Mobile Safari/535.19",
            0.9:"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_5) AppleWebKit/537.36 (KHTML,like Gecko) Chrome/45.0.2454.85 Safari/537.36",
            1:" "
        }
        self.ip_slice_list = [10,29,30,46,55,63,72,87,98,132,156,124,1677,143,187,168,190,201,202,214,215,222]
        self.url_path_list = ["login.php","view.php","list.php","upload.php","admin/login.php","edit.php","index.html"]
        self.http_refer = [
            "http://www.baidu.com/s?wd={query}",
            "http://www.google.cn/search?q={query}",
            "http://www.sogou.com/web?query={query}",
            "http://www.yahoo.com/s?p={query}",
            "http://cn.bing.com/search?q={query}"
        ]
        self.search_keyword = ["spark","hadoop","hive","spark mlib","spark sql"]

    def sample_ip(self):
        slice = random.sample(self.ip_slice_list, 4)
        return ".".join(str(item) for item in slice)

    def sample_url(self):
        return random.sample(self.url_path_list,1)[0]

    def sample_user_agent(self):
        dist_uppon = random.uniform(0, 1)
        return self.user_agent_dist[float('%0.1f' % dist_uppon)]

    def sample_refer(self):
        if random.uniform(0, 1) > 0.2:
            return "-"
        refer_str = random.sample(self.http_refer, 1)
        query_str = random.sample(self.search_keyword, 1)
        return refer_str[0].format(query=query_str)

    def sample_one_log(self,count = 3):
        time_str = time.strftime("%Y-%m-%d %H:%M:%S",time.localtime())
        while count > 1:
            query_log = "{ip} - - [{local_time}] \"GET /{url} HTTP/1.1\" 200 0 \"{refer}\" \"{user_agent}\" \"-\"".format(ip=self.sample_ip(),local_time=time_str,url=self.sample_url(),refer=self.sample_refer(),user_agent=self.sample_user_agent())
            print query_log
            count = count - 1

if __name__ == "__main__":
    web_log_gene = WebLogGeneration()
    web_log_gene.sample_one_log(random.uniform(1000,2000))

run.sh腳本代碼:

#!/bin/bash

streaming_dir="/spark/streaming"
while [ 1 ];do
    python log.py >> test.log
    tmplog="access.`date +'%s'`.log"
    hadoop fs -put test.log ${streaming_dir}/tmp/$tmplog
    hadoop fs -mv ${streaming_dir}/tmp/$tmplog ${streaming_dir}/
    echo "`date +"%F %T"` put $tmplog to HDFS succeed"
    sleep 1
done

SparkStreamingTest.scala文件代碼:

package spark.example
import org.apache.spark.SparkConf
import org.apache.spark.Streaming.{Seconds,streamingContext}

object SparkStreamingTest{
    def main(args:Array[String]){
        val batch = 10

        val conf = new SparkConf().setAppName("NginxAnay")
        val ssc = new streamingContext(conf,Seconds(batch))

        val lines = ssc.textFileStream("hdfs://7master:9000/spark/streaming")

        // 1.總PV
        lines.count().print()

        // 2.各IP的PV彼城,按PV倒敘
        // 空格分隔的第一個(gè)字段就是IP
        lines.map(line =>{(line.split(" ")(0), 1)}).reduceByKey(_ + _).transform(rdd =>{
            rdd.map(ip_pv => (ip_pv._2, ip_pv._1)).sortByKey(false).map(ip_pv => (ip_pv._2,ip_pv._1))
        }).print()

        // 3.搜索引擎PV
        // 先輸出搜索引擎和查詢關(guān)鍵詞容诬,避免統(tǒng)計(jì)搜索關(guān)鍵詞時(shí)重復(fù)計(jì)算
        // 輸出(host, query_keys)
        val refer = lines.map(_.split("\"")(3))
        val searchEnginInfo = refer.map(r =>{
            val f = r.split('/')
            val searchEngines = Map(
                "www.google.cn" -> "q",
                "www.yahoo.com" -> "p",
                "cn.bing.com" -> "q",
                "www.baidu.com" -> "wd",
                "www.sogou.com" -> "query"
            )
            if(f.length > 2){
                val host = f(2)
                if(searchEngines.contains(host)){
                    val query = r.split('?')(1)
                    if(query.length > 0){
                        val arr_search_q = query.split('&').filter(_.indexOf(searchEngines(host)+"=") == 0)
                        if(arr_search_q.length > 0){
                            (host,arr_search_q(0).split('=')(1))
                        }else{
                            (host, "")
                        }
                    }else{
                        (host, "")
                    }
                }else{
                    ("", "")
                }
            }else{
                ("", "")
            }
        })

        // 輸出搜索引擎PV
        searchEnginInfo.filter(_._1.length > 0).map(p => {(p._1, 1)}).reduceByKey(_ + _).print()

        // 4.關(guān)鍵詞PV
        searchEnginInfo.filter(_._2.length > 0).map(p => {(p._2, 1)}).reduceByKey(_ + _).print()

        // 5.終端類型PV
        lines.map(_.split("\"")(5)).map(agent =>{
            val types = Seq("iPhone", "Android")
            var r = "Default"
            for (t <- types){
                if(agent.indexOf(t) != -1)
                    r = t
            }
            (r, 1)
        }).reduceByKey(_ + _).print()

        // 6.各頁面PV
        lines.map(line => {
            (line.split("\"")(1).split(" ")(1), 1)
        }).reduceByKey(_ + _).print()

        // 啟動計(jì)算澜倦,等待執(zhí)行結(jié)束
        ssc.start()
        ssc.awaitTermination()
    }
}

run_SparkStreamingTest.sh文件代碼:

/usr/local/src/spark-1.6.0-bin-hadoop2.6/bin/spark-submit --master local[2] \
--class spark.example.SparkStreamingTest target/scala-2.11/wordcount_2.11-1.6.0.jar
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末恬砂,一起剝皮案震驚了整個(gè)濱河市嘹叫,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌丛肢,老刑警劉巖围肥,帶你破解...
    沈念sama閱讀 211,290評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異蜂怎,居然都是意外死亡穆刻,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,107評論 2 385
  • 文/潘曉璐 我一進(jìn)店門杠步,熙熙樓的掌柜王于貴愁眉苦臉地迎上來氢伟,“玉大人,你說我怎么就攤上這事幽歼《渎啵” “怎么了?”我有些...
    開封第一講書人閱讀 156,872評論 0 347
  • 文/不壞的土叔 我叫張陵甸私,是天一觀的道長诚些。 經(jīng)常有香客問我,道長皇型,這世上最難降的妖魔是什么诬烹? 我笑而不...
    開封第一講書人閱讀 56,415評論 1 283
  • 正文 為了忘掉前任助析,我火速辦了婚禮,結(jié)果婚禮上椅您,老公的妹妹穿的比我還像新娘外冀。我一直安慰自己,他們只是感情好掀泳,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,453評論 6 385
  • 文/花漫 我一把揭開白布雪隧。 她就那樣靜靜地躺著,像睡著了一般员舵。 火紅的嫁衣襯著肌膚如雪脑沿。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,784評論 1 290
  • 那天马僻,我揣著相機(jī)與錄音庄拇,去河邊找鬼。 笑死韭邓,一個(gè)胖子當(dāng)著我的面吹牛措近,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播女淑,決...
    沈念sama閱讀 38,927評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼瞭郑,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了鸭你?” 一聲冷哼從身側(cè)響起屈张,我...
    開封第一講書人閱讀 37,691評論 0 266
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎袱巨,沒想到半個(gè)月后阁谆,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,137評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡愉老,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,472評論 2 326
  • 正文 我和宋清朗相戀三年场绿,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片俺夕。...
    茶點(diǎn)故事閱讀 38,622評論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡裳凸,死狀恐怖贱鄙,靈堂內(nèi)的尸體忽然破棺而出劝贸,到底是詐尸還是另有隱情,我是刑警寧澤逗宁,帶...
    沈念sama閱讀 34,289評論 4 329
  • 正文 年R本政府宣布映九,位于F島的核電站,受9級特大地震影響瞎颗,放射性物質(zhì)發(fā)生泄漏件甥。R本人自食惡果不足惜捌议,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,887評論 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望引有。 院中可真熱鬧瓣颅,春花似錦、人聲如沸譬正。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,741評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽曾我。三九已至粉怕,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間抒巢,已是汗流浹背贫贝。 一陣腳步聲響...
    開封第一講書人閱讀 31,977評論 1 265
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留蛉谜,地道東北人稚晚。 一個(gè)月前我還...
    沈念sama閱讀 46,316評論 2 360
  • 正文 我出身青樓,卻偏偏與公主長得像型诚,于是被迫代替她去往敵國和親蜈彼。 傳聞我的和親對象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,490評論 2 348

推薦閱讀更多精彩內(nèi)容