iplocation需求

在互联网中,我们经常会见到城市热点图这样的报表数据,例如在百度统计中,会统计今年的热门旅游城市、热门报考学校等,会将这样的信息显示在热点图中。

因此,我们需要通过日志信息(运行商或者网站自己生成)和城市ip段信息来判断用户的ip段,统计热点经纬度。

练习数据

链接:https://pan.baidu.com/s/14IA1pzUWEnDK_VCH_LYRLw
提取码:pnwv

package org.apache.spark

import org.apache.spark.broadcast.Broadcast
import org.apache.spark.rdd.RDD
import java.io.{BufferedReader, FileInputStream, InputStreamReader}
import java.sql.{Connection, DriverManager, PreparedStatement} import org.apache.spark.{SparkConf, SparkContext} import scala.collection.mutable.ArrayBuffer /**
* Created by Administrator on 2019/6/12.
*/
object IPLocation {
def ip2Long(ip: String): Long = {
//ip转数字口诀
//分金定穴循八卦,toolong插棍左八圈
val split: Array[String] = ip.split("[.]")
var ipNum = 0L
for (i <- split) {
ipNum = i.toLong | ipNum << 8L
}
ipNum
} //二分法查找
def binarySearch(ipNum: Long, value: Array[(String, String, String, String, String)]): Int = {
//上下循环循上下,左移右移寻中间
var start = 0
var end = value.length - 1
while (start <= end) {
val middle = (start + end) / 2
if (ipNum >= value(middle)._1.toLong && ipNum <= value(middle)._2.toLong) {
return middle
}
if (ipNum > value(middle)._2.toLong) {
start = middle
}
if (ipNum < value(middle)._1.toLong) {
end = middle
}
}
-1
} def data2MySQL(iterator: Iterator[(String, Int)]): Unit = {
var conn: Connection = null
var ps: PreparedStatement = null
val sql = "INSERT INTO location_count (location, total_count) VALUES (?, ?)"
try {
conn = DriverManager.getConnection("jdbc:mysql://192.168.74.100:3306/test", "root", "123456")
iterator.foreach(line => {
ps = conn.prepareStatement(sql)
ps.setString(1, line._1)
ps.setInt(2, line._2)
ps.executeUpdate()
})
} catch {
case e: Exception => println(e)
} finally {
if (ps != null)
ps.close()
if (conn != null)
conn.close()
}
} def main(args: Array[String]) {
val conf = new SparkConf().setAppName("iplocation").setMaster("local[5]")
val sc = new SparkContext(conf)
//读取数据(ipstart,ipend,城市基站名,经度,维度)
val jizhanRDD = sc.textFile("E:\\ip.txt").map(_.split("\\|")).map(x => (x(2), x(3), x(4) + "-" + x(5) + "-" + x(6) + "-" + x(7) + "-" + x(8) + "-" + x(9), x(13), x(14)))
// jizhanRDD.foreach(println)
//把RDD转换成数据
val jizhanPartRDDToArray: Array[(String, String, String, String, String)] = jizhanRDD.collect()
//广播变量,一个只读的数据区,是所有的task都能读取的地方,相当于mr的分布式内存
val jizhanRDDToArray: Broadcast[Array[(String, String, String, String, String)]] = sc.broadcast(jizhanPartRDDToArray)
// println(jizhanRDDToArray.value) val IPS = sc.textFile("E:\\20090121000132.394251.http.format").map(_.split("\\|")).map(x => x(1)) //把ip地址转换为Long类型,然后通过二分法去ip段数据中查找,对找到的经纬度做wordcount
//((经度,纬度),1)
val result = IPS.mapPartitions(it => { val value: Array[(String, String, String, String, String)] = jizhanRDDToArray.value
it.map(ip => {
//将ip转换成数字
val ipNum: Long = ip2Long(ip) //拿这个数字去ip段中通过二分法查找,返回ip在ip的Array中的角标
val index: Int = binarySearch(ipNum, value)
//通Array拿出想要的数据
((value(index)._4, value(index)._5), 1)
})
}) //聚合操作
val resultFinnal: RDD[((String, String), Int)] = result.reduceByKey(_ + _) // resultFinnal.foreach(println)
//将数据存储到数据库
resultFinnal.map(x => (x._1._1 + "-" + x._1._2, x._2)).foreachPartition(data2MySQL _)
sc.stop() } }

PV案例

package org.apache.spark

import org.apache.spark.rdd.RDD

/**
* Created by Administrator on 2019/6/12.
*/
//PV(Page View)访问量, 即页面浏览量或点击量
object PV {
def main(args: Array[String]) {
val conf = new SparkConf().setAppName("pv").setMaster("local[2]")
val sc = new SparkContext(conf)
//读取数据access.log
val file: RDD[String] = sc.textFile("e:\\access.log")
//将一行数据作为输入,将()
val pvAndOne: RDD[(String, Int)] = file.map(x => ("pv", 1))
//聚合计算
val result = pvAndOne.reduceByKey(_ + _)
result.foreach(println)
}
}

UV

package org.apache.spark

import org.apache.spark.rdd.RDD

/**
* Created by Administrator on 2019/6/12.
*/
//UV(Unique Visitor)独立访客,统计1天内访问某站点的用户数(以cookie为依据);访问网站的一台电脑客户端为一个访客
object UV {
def main(args: Array[String]) {
val conf = new SparkConf().setAppName("pv").setMaster("local[2]")
val sc = new SparkContext(conf)
//读取数据access.log
val file: RDD[String] = sc.textFile("e:\\access.log") //要分割file,拿到ip,然后去重
val uvAndOne = file.map(_.split(" ")).map(x => x(0)).distinct().map(x => ("uv", 1)) //聚合
val result = uvAndOne.reduceByKey(_ + _)
result.foreach(println)
}
}

pv uv环比分析

package org.apache.spark

import scala.collection.mutable.ArrayBuffer

/**
* Created by Administrator on 2019/6/12.
*/
object Pvbi {
// LoggerLevels.setStreamingLogLevels()
val conf = new SparkConf().setAppName("pv").setMaster("local[7]")
val sc = new SparkContext(conf)
val PVArr = ArrayBuffer[(String, Int)]()
val UVArr = ArrayBuffer[(String, Int)]() def main(args: Array[String]) {
computePVOneDay("e:\\access/tts7access20140824.log")
computePVOneDay("e:\\access/tts7access20140825.log")
computePVOneDay("e:\\access/tts7access20140826.log")
computePVOneDay("e:\\access/tts7access20140827.log")
computePVOneDay("e:\\access/tts7access20140828.log")
computePVOneDay("e:\\access/tts7access20140829.log")
computePVOneDay("e:\\access/tts7access20140830.log")
println(PVArr)
computeUVOneDay("e:\\access/tts7access20140824.log")
computeUVOneDay("e:\\access/tts7access20140825.log")
computeUVOneDay("e:\\access/tts7access20140826.log")
computeUVOneDay("e:\\access/tts7access20140827.log")
computeUVOneDay("e:\\access/tts7access20140828.log")
computeUVOneDay("e:\\access/tts7access20140829.log")
computeUVOneDay("e:\\access/tts7access20140830.log")
println(UVArr)
} def computePVOneDay(filePath: String): Unit = {
val file = sc.textFile(filePath)
val pvTupleOne = file.map(x => ("pv", 1)).reduceByKey(_ + _)
val collect: Array[(String, Int)] = pvTupleOne.collect()
PVArr.+=(collect(0))
} def computeUVOneDay(filePath: String): Unit = {
val rdd1 = sc.textFile(filePath)
val rdd3 = rdd1.map(x => x.split(" ")(0)).distinct
val rdd4 = rdd3.map(x => ("uv", 1))
val rdd5 = rdd4.reduceByKey(_ + _)
val collect: Array[(String, Int)] = rdd5.collect()
UVArr.+=(collect(0))
}
}

TopK

package org.apache.spark

import org.apache.spark.rdd.RDD

/**
* Created by Administrator on 2019/6/12.
*/
object TopK {
def main(args: Array[String]) {
//创建配置,设置app的name
val conf = new SparkConf().setAppName("topk").setMaster("local[2]")
//创建sparkcontext,将conf传进来
val sc = new SparkContext(conf)
//读取数据access.log
val file: RDD[String] = sc.textFile("e:\\access.log")
//将一行数据作为输入,将()
val refUrlAndOne: RDD[(String, Int)] = file.map(_.split(" ")).map(x => x(10)).map((_, 1)) //聚合
val result: Array[(String, Int)] = refUrlAndOne.reduceByKey(_ + _).sortBy(_._2, false).take(3) println(result.toList)
}
}

https://web.umeng.com/main.php?c=flow&a=frame&siteid=1254552353#!/1560332550346/flow/trend/1/1254552353/2019-06-12/2019-06-12

mobile_location案例

需要的数据

链接:https://pan.baidu.com/s/1JbGxnrgxcy05LFUmVo8AUQ
提取码:h7io

package org.apache.spark

import org.apache.spark.rdd.RDD

import scala.collection.mutable.Map

object MobileLocation {

  def main(args: Array[String]) {
//本地运行
val conf = new SparkConf().setAppName("UserLocation").setMaster("local[5]")
val sc = new SparkContext(conf) //todo:过滤出工作时间(读取基站用户信息:18688888888,20160327081200,CC0710CC94ECC657A8561DE549D940E0,1)
val officetime = sc.textFile("e:\\ce\\*.log")
.map(_.split(",")).filter(x => (x(1).substring(8, 14) >= "080000" && (x(1).substring(8, 14) <= "180000"))) //todo:过滤出家庭时间(读取基站用户信息:18688888888,20160327081200,CC0710CC94ECC657A8561DE549D940E0,1)
val hometime = sc.textFile("e:\\ce\\*.log")
.map(_.split(",")).filter(x => (x(1).substring(8, 14) > "180000" && (x(1).substring(8, 14) <= "240000"))) //todo:读取基站信息:9F36407EAD0629FC166F14DDE7970F68,116.304864,40.050645,6
val rdd20 = sc.textFile("e:\\ce\\loc_info.txt")
.map(_.split(",")).map(x => (x(0), (x(1), x(2)))) //todo:计算多余的时间次数
val map1Result = computeCount(officetime)
val map2Result = computeCount(hometime)
val mapBro1 = sc.broadcast(map1Result)
val mapBro2 = sc.broadcast(map2Result) //todo:计算工作时间
computeOfficeTime(officetime, rdd20, "c://out/officetime", mapBro1.value) //todo:计算家庭时间
computeHomeTime(hometime, rdd20, "c://out/hometime", mapBro2.value)
sc.stop()
} /**
* 计算多余的时间次数
*
* 1、将“电话_基站ID_年月日"按key进行分组,如果value的大小为2,那么证明在同一天同一时间段(8-18或者20-24)同时出现两次,那么这样的数据需要记录,减去多余的时间
* 2、以“电话_基站ID”作为key,将共同出现的次数为2的累加,作为value,存到map中,
* 例如:
* 13888888888_8_20160808100923_1和13888888888_8_20160808170923_0表示在13888888888在同一天20160808的8-18点的时间段,在基站8出现入站和出站
* 那么,这样的数据对于用户13888888888在8基站就出现了重复数据,需要针对key为13888888888_8的value加1
* 因为我们计算的是几个月的数据,那么,其他天数也会出现这种情况,累加到13888888888_8这个key中
*/
def computeCount(rdd1: RDD[Array[String]]): Map[String, Int] = {
var map = Map(("init", 0))
//todo:groupBy:按照"电话_基站ID_年月日"分组,将符合同一组的数据聚在一起
for ((k, v) <- rdd1.groupBy(x => x(0) + "_" + x(2) + "_" + x(1).substring(0, 8)).collect()) {
val tmp = map.getOrElse(k.substring(0, k.length() - 9), 0)
if (v.size % 2 == 0) {
//todo:以“电话_基站ID”作为key,将共同出现的次数作为value,存到map中
map += (k.substring(0, k.length() - 9) -> (tmp + v.size / 2))
}
}
map
} /**
* 计算在家的时间
*/
def computeHomeTime(rdd1: RDD[Array[String]], rdd2: RDD[(String, (String, String))], outDir: String, map: Map[String, Int]) { //todo:(手机号_基站ID,时间)算法:24-x 或者 x-20
val rdd3 = rdd1.map(x => ((x(0) + "_" + x(2), if (x(3).toInt == 1) 24 - Integer.parseInt(x(1).substring(8, 14)) / 10000
else Integer.parseInt(x(1).substring(8, 14)) / 10000 - 20))) //todo:手机号_基站ID,总时间
val rdd4 = rdd3.reduceByKey(_ + _).map {
case (telPhone_zhanId, totalTime) => {
(telPhone_zhanId, totalTime - (Math.abs(map.getOrElse(telPhone_zhanId, 0)) * 4))
}
} //todo:按照总时间排序(手机号_基站ID,总时间<倒叙>)
val rdd5 = rdd4.sortBy(_._2, false) //todo:分割成:手机号,(基站ID,总时间)
val rdd6 = rdd5.map {
case (telphone_zhanId, totalTime) => (telphone_zhanId.split("_")(0), (telphone_zhanId.split("_")(1), totalTime))
} //todo:找到时间的最大值:(手机号,compactBuffer((基站ID,总时间1),(基站ID,总时间2)))
val rdd7 = rdd6.groupByKey.map {
case (telphone, buffer) => (telphone, buffer.head)
}.map {
case (telphone, (zhanId, totalTime)) => (telphone, zhanId, totalTime)
} //todo:join都获取基站的经纬度
val rdd8 = rdd7.map {
case (telphon, zhanId, time) => (zhanId, (telphon, time))
}.join(rdd2).map {
//todo:(a,(1,2))
case (zhanId, ((telphon, time), (jingdu, weidu))) => (telphon, zhanId, jingdu, weidu)
}
rdd8.foreach(println)
//rdd8.saveAsTextFile(outDir)
} /**
* 计算工作的时间
*/
def computeOfficeTime(rdd1: RDD[Array[String]], rdd2: RDD[(String, (String, String))], outDir: String, map: Map[String, Int]) { //todo:(手机号_基站ID,时间) 算法:18-x 或者 x-8
val rdd3 = rdd1.map(x => ((x(0) + "_" + x(2), if (x(3).toInt == 1) 18 - Integer.parseInt(x(1).substring(8, 14)) / 10000
else Integer.parseInt(x(1).substring(8, 14)) / 10000 - 8))) //todo:手机号_基站ID,总时间
val rdd4 = rdd3.reduceByKey(_ + _).map {
case (telPhone_zhanId, totalTime) => {
(telPhone_zhanId, totalTime - (Math.abs(map.getOrElse(telPhone_zhanId, 0)) * 10))
}
} //todo:按照总时间排序(手机号_基站ID,总时间<倒叙>)
val rdd5 = rdd4.sortBy(_._2, false) //todo:分割成:手机号,(基站ID,总时间)
val rdd6 = rdd5.map {
case (telphone_zhanId, totalTime) => (telphone_zhanId.split("_")(0), (telphone_zhanId.split("_")(1), totalTime))
} //todo:找到时间的最大值:(手机号,compactBuffer((基站ID,总时间1),(基站ID,总时间2)))
val rdd7 = rdd6.groupByKey.map {
case (telphone, buffer) => (telphone, buffer.head)
}.map {
case (telphone, (zhanId, totalTime)) => (telphone, zhanId, totalTime)
} //todo:join都获取基站的经纬度
val rdd8 = rdd7.map {
case (telphon, zhanId, time) => (zhanId, (telphon, time))
}.join(rdd2).map {
case (zhanId, ((telphon, time), (jingdu, weidu))) => (telphon, zhanId, jingdu, weidu)
}
rdd8.foreach(println)
//rdd8.saveAsTextFile(outDir)
} }

大数据学习——spark运营案例的更多相关文章

  1. 大数据学习——spark笔记

    变量的定义 val a: Int = 1 var b = 2 方法和函数 区别:函数可以作为参数传递给方法 方法: def test(arg: Int): Int=>Int ={ 方法体 } v ...

  2. 大数据学习——spark学习

    计算圆周率 [root@mini1 bin]# ./run-example SparkPi [root@mini1 bin]# ./run-example SparkPi [root@mini1 bi ...

  3. 大数据学习——spark安装

    一主多从 1 上传压缩包 2 解压 -bin-hadoop2..tgz 删除安装包 -bin-hadoop2..tgz 重命名 mv spark-1.6.2-bin-hadoop2.6/ spark  ...

  4. 大数据学习系列之六 ----- Hadoop+Spark环境搭建

    引言 在上一篇中 大数据学习系列之五 ----- Hive整合HBase图文详解 : http://www.panchengming.com/2017/12/18/pancm62/ 中使用Hive整合 ...

  5. 大数据学习系列之七 ----- Hadoop+Spark+Zookeeper+HBase+Hive集群搭建 图文详解

    引言 在之前的大数据学习系列中,搭建了Hadoop+Spark+HBase+Hive 环境以及一些测试.其实要说的话,我开始学习大数据的时候,搭建的就是集群,并不是单机模式和伪分布式.至于为什么先写单 ...

  6. 大数据学习系列之九---- Hive整合Spark和HBase以及相关测试

    前言 在之前的大数据学习系列之七 ----- Hadoop+Spark+Zookeeper+HBase+Hive集群搭建 中介绍了集群的环境搭建,但是在使用hive进行数据查询的时候会非常的慢,因为h ...

  7. 大数据学习day29-----spark09-------1. 练习: 统计店铺按月份的销售额和累计到该月的总销售额(SQL, DSL,RDD) 2. 分组topN的实现(row_number(), rank(), dense_rank()方法的区别)3. spark自定义函数-UDF

    1. 练习 数据: (1)需求1:统计有过连续3天以上销售的店铺有哪些,并且计算出连续三天以上的销售额 第一步:将每天的金额求和(同一天可能会有多个订单) SELECT sid,dt,SUM(mone ...

  8. 大数据学习路线,来qun里分享干货,

    一.Linux lucene: 全文检索引擎的架构 solr: 基于lucene的全文搜索服务器,实现了可配置.可扩展并对查询性能进行了优化,并且提供了一个完善的功能管理界面. 推荐一个大数据学习群 ...

  9. 大数据学习day26----hive01----1hive的简介 2 hive的安装(hive的两种连接方式,后台启动,标准输出,错误输出)3. 数据库的基本操作 4. 建表(内部表和外部表的创建以及应用场景,数据导入,学生、分数sql练习)5.分区表 6加载数据的方式

    1. hive的简介(具体见文档) Hive是分析处理结构化数据的工具   本质:将hive sql转化成MapReduce程序或者spark程序 Hive处理的数据一般存储在HDFS上,其分析数据底 ...

随机推荐

  1. Ubuntu11.04 安装cuda4.3

    一.卸载官方驱动并安装显卡驱动 1. sudo gedit /etc/modprobe.d/blacklist.conf,在文件末尾加上如下五行,然后保存 blacklist vga16fb blac ...

  2. javaSe-反射2

    //创建实体类 package com.java.chap07.sec03; public class Student { private String name; private Integer a ...

  3. 【TensorFlow入门完全指南】神经网络篇·MLP多层感知机

    前面的不做过多解释了. 这里定义了两个占位符,各位也知道,在训练时,feed_dict会填充它们. 定义相关网络. 这里是权值矩阵和偏差. 这里是实例化了网络,定义了优化器和损失,和上一篇一样. 最后 ...

  4. 爬去豆瓣图书top250数据存储到csv中

    from lxml import etree import requests import csv fp=open('C://Users/Administrator/Desktop/lianxi/do ...

  5. [CV笔记]图像特征提取三大法宝:HOG特征,LBP特征,Haar特征

    (一)HOG特征 1.HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子.它通过计算和 ...

  6. 四、filter和find函数的区别

    filter(): filter函数会返回data中为true那项的数组(即查询符合条件的数据) eg:data.filter((f)=>{ if(f[name]===item[name]){ ...

  7. 【vue iview】项目 win10 放在C盘 经常npm install不成功,就是因为 权限问题,把代码目录放到D盘就没事了。

    [vue iview]项目 win10 放在C盘 经常npm install不成功,就是因为 权限问题,把代码目录放到D盘就没事了.

  8. 2018.5.14 PHP基础学习

    1.使用PHP输出HTML 使用PHP输出一个表格,并且通过style标签改变字体 <!--思考与练习--> <style type="text/css"> ...

  9. 10分钟搞懂toString和valueOf函数(详细版)

    首先要说明的是这两种方法是toPrimitive抽象操作里会经常用到的. 默认情况下,执行这个抽象操作时会先执行valueOf方法,如果返回的不是原始值,会继续执行toString方法,如果返回的还不 ...

  10. UIKeyboardType

    typedef NS_ENUM(NSInteger, UIKeyboardType) { UIKeyboardTypeDefault, // Default type for the current ...