使用Spark和Scala怎么分析Apache訪問日志，相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

10年積累的網站設計制作、做網站經驗，可以快速應對客戶對網站的新想法和需求。提供各種問題對應的解決方案。讓選擇我們的客戶得到更好、更有力的網絡服務。我雖然不認識你，你也不認識我。但先做網站后付款的網站建設流程，更有康馬免費網站建設讓你可以放心的選擇與我們合作。

安裝

首先需要安裝好Java和Scala，然后下載Spark安裝，確保PATH 和JAVA_HOME 已經設置，然后需要使用Scala的SBT 構建Spark如下：

$ sbt/sbt assembly

構建時間比較長。構建完成后，通過運行下面命令確證安裝成功：

$ ./bin/spark-shell

scala> val textFile = sc.textFile("README.md") // 創建一個指向 README.md 引用scala> textFile.count // 對這個文件內容行數進行計數scala> textFile.first // 打印出第一行

Apache訪問日志分析器

首先我們需要使用Scala編寫一個對Apache訪問日志的分析器，所幸已經有人編寫完成，下載Apache logfile parser code。使用SBT進行編譯打包：

sbt compilesbt testsbt package

打包名稱假設為AlsApacheLogParser.jar。然后在Linux命令行啟動Spark：

// this works$ MASTER=local[4] SPARK_CLASSPATH=AlsApacheLogParser.jar ./bin/spark-shell

對于Spark 0.9，有些方式并不起效：

// does not work$ MASTER=local[4] ADD_JARS=AlsApacheLogParser.jar ./bin/spark-shell// does not workspark> :cp AlsApacheLogParser.jar

上傳成功后，在Spark REPL創建AccessLogParser 實例：

import com.alvinalexander.accesslogparser._val p = new AccessLogParser

現在就可以像之前讀取readme.cmd一樣讀取apache訪問日志accesslog.small：

scala> val log = sc.textFile("accesslog.small")14/03/09 11:25:23 INFO MemoryStore: ensureFreeSpace(32856) called with curMem=0, maxMem=30922506214/03/09 11:25:23 INFO MemoryStore: Block broadcast_0 stored as values to memory (estimated size 32.1 KB, free 294.9 MB)log: org.apache.spark.rdd.RDD[String] = MappedRDD[1] at textFile at <console>:15scala> log.count(a lot of output here)res0: Long = 100000

分析Apache日志

我們可以分析Apache日志中404有多少個，創建方法如下：

def getStatusCode(line: Option[AccessLogRecord]) = { line match {  case Some(l) => l.httpStatusCode  case None => "0" }}

其中Option[AccessLogRecord]是分析器的返回值。

然后在Spark命令行使用如下：

log.filter(line => getStatusCode(p.parseRecord(line)) == "404").count

這個統計將返回httpStatusCode是404的行數。

深入挖掘

下面如果我們想知道哪些URL是有問題的，比如URL中有一個空格等導致404錯誤，顯然需要下面步驟：

1. 過濾出所有 404 記錄  從每個404記錄得到request字段(分析器請求的URL字符串是否有空格等)  不要返回重復的記錄

創建下面方法：

// get the `request` field from an access log recorddef getRequest(rawAccessLogString: String): Option[String] = { val accessLogRecordOption = p.parseRecord(rawAccessLogString) accessLogRecordOption match {  case Some(rec) => Some(rec.request)  case None => None }}

將這些代碼貼入Spark REPL，再運行如下代碼：

log.filter(line => getStatusCode(p.parseRecord(line)) == "404").map(getRequest(_)).countval recs = log.filter(line => getStatusCode(p.parseRecord(line)) == "404").map(getRequest(_))val distinctRecs = log.filter(line => getStatusCode(p.parseRecord(line)) == "404").map(getRequest(_)).distinctdistinctRecs.foreach(println)

看完上述內容，你們掌握使用Spark和Scala怎么分析Apache訪問日志的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注創新互聯行業資訊頻道，感謝各位的閱讀！

分享名稱：使用Spark和Scala怎么分析Apache訪問日志-創新互聯
URL網址：http://www.js-pz168.com/article20/dgojco.html

成都網站建設公司_創新互聯，為您提供靜態網站、App設計、標簽優化、品牌網站設計、Google、網站內鏈

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯