设为首页 收藏本站
查看: 685|回复: 0

[经验分享] hive python 笔记

[复制链接]

尚未签到

发表于 2017-4-23 08:00:10 | 显示全部楼层 |阅读模式
分析数据用的小工具,做个笔记
/app/hives/myscript/nginx_ip_date.py;

#!/usr/bin/env python
#coding:utf-8
import datetime
import time
import re
line = '''
202.43.151.2 - - [28/Mar/2012:19:17:28 +0800] "GET /favicon.ico HTTP/1.1" http_status 404 988 "-" "360se" "-" 0.010
'''
class Parser :
'''
把传进来的固定格式的日期,转换成更友好的格式,方便统计
date 方法返回 Y-m-d 格式日期
dateH 方法返回 Y-m-d H 就是精确到小时
'''
def __init__( self , str ):
str = str.replace(' +0800','')
str = str.replace('[','')
str = str.replace(']','')
self.str = str
def date( self ) :
dt = datetime.datetime.strptime( self.str,'%d/%b/%Y:%H:%M:%S')
return dt.strftime('%Y-%m-%d')
def dateH( self ) :
dt = datetime.datetime.strptime( self.str,'%d/%b/%Y:%H:%M:%S')
return dt.strftime('%Y-%m-%d %H')
class LineVo() :
'''
暂时把一行数据分为两个列,IP和日期,用来训练PV等统计
'''
def __init__( self , line ):
self.line = line
def getDate( self ):
pattern = '\\[.+\\+0800\\]'
match = re.search( pattern , self.line )
s = match.start()
e = match.end()
return self.line[s+1:e-1]
def getIp( self ):
pattern = '\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3} '
match = re.search( pattern , self.line )
s = match.start()
e = match.end()
return self.line[s:e]
for line in sys.stdin :
try:
vo = LineVo(line.strip())
dt_src = vo.getDate()
ip = vo.getIp()
dt = Parser(dt_src).date()
print '%s\t%s' % (ip,dt)
except:
print 'fuck\terror'



add file 'xxx.py' 加载python脚本
transform(...) using 'xxx.py' as c0,c1,... 在 sql 中使用python脚本处理数据
distinct 可以去除重复
distrbute by 指定分区关键字就是 mapred 的 partition 函数
sort by 就是 reducen 内排序
以下是一个demo 用途是统计nginx日志的PV和独立IP,按天统计:

add file /app/hives/myscript/nginx_ip_date.py;
select *
from (
select dt , count(ip) as pv , count(distinct ip) as sip
from (
select transform(info) using 'nginx_ip_date.py' as ip , dt
from log_src
where ds = '2013-05-30' and type = 'users.access.log'
)tab1 group by dt
) tab1
distribute by tab1.pv sort by tab1.pv desc , tab1.sip asc

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.yunweiku.com/thread-367964-1-1.html 上篇帖子: Python处理JSON 下篇帖子: Python and Play
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表