原创力文档- 1、本文档共9页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
前言
在今天,日志有着广泛的用途.如何对日志进行分析,是数据
(软件)工程师无法回避的问题.日志是产生大数据的重要途径,
在服务器上每天产生大量的日志,传统的处理方式无法对海量
的日志进行分析.
Web日志包含着最重要的信息，通过日志分析，我们
可以知道的量，哪个网页人数最多，哪个网页
最有价值等。一般中型的(10W的PV以上)，每天会产生
1G以上Web日志文件。大型或超大型的，可能每小时就
会产生10G的数据量。对于日志的这种规模的数据，用
Hadoop进行日志分析，是最适合不过的了。
基本步骤
•mapreduce以python语言实现，Python利用Hadoop流的
API，通过STDIN(标准输入)、STDOUT(标准输出)在Map
函数和Reduce函数之间传递数据。
•python利用thrift和hbase进行通信读写数据。
•软件准备：
•1)Hadoop2.7.2
•2)Hbase0.98.20
•3)Python2.7
•4)Thrift0.9.2.0
•实现步骤如下：
•1．运行mapreducer程序统计数据，将数据存入hdfs
•2．hdfs将数据存入hbase
•3．hbase将数据存入mysql
Partofmapper
mapper.py程序实现
PartofReducer
reducer.py程序实现
启动程序命令
•通过hadoop-streaming-2.7.2.jar实现程序间的数据交换
•output_path=2
•HADOOP_HOME=/home/bazp/soft/hadoop272
•program_home=/home/bazp/soft/pyh/log_acount
•file_name=access.log
•hadoopfs-rm-r/data/output/$output_path
•hadoopjar
$HADOOP_HOME/share/hadoop/tools/lib/hadoop-
streaming-2.7.2.jar-mapper$program_home/mapper.py-
reducer$program_home/reducer.py-input
/data/input/$file_name-output/data/output/$output_path
Howtoinsertintohbasemysql
Resultinhbase
ResultinMysql
文档评论（0）