Solo  当前访客:1 登录 注册
☆gater yu☆

~~ 一个java老鸟的博客 ~~

大数据日志分析logstashlasticsearch\kibana

elk是指logstash,elasticsearch,kibana三件套,这三件套可以组成日志分析和监控工具注意:关于安装文档,网络上有很多,可以参考,不可以全信,而且三件套各自的版本很多,差别也不一样,需要版本匹配上才能使用。推荐直接使用官网的这一套:elkdownloads。比如我这里下载的一套是logstash1.4.2+elasticsearch1.4.2+kibana3.1.2安装el...

作者:sky | 创建日期: 2016-11-16 12:04 | 浏览次数: 239 | 评论总数: 0 | 标签:

Spark-数据分析可视化Zeppelin

官网介绍ApacheZeppelin提供了web版的类似ipython的notebook,用于做数据分析和可视化。背后可以接入不同的数据处理引擎,包括Spark,hive,tajo等,原生支持scala,Java,shell,markdown等。它的整体展现和使用形式和DatabricksCloud是一样的。安装其他组件都是好安装的,直接mvninstall是没问题的。而且zeppelin-web...

作者:sky | 创建日期: 2016-11-16 12:04 | 浏览次数: 279 | 评论总数: 0 | 标签:

Spark-Caching/Checkpointing

功能:cacheing和checkpointing这2种操作是都是用来防止rdd(弹性分布式数据集)每次被引用时被重复计算带来的时间和空间上不必要的损失。区别:Cachingcache机制保证了需要访问重复数据的应用(如迭代型算法和交互式应用)可以运行的更快。有多种级别的持久化策略让开发者选择,使开发者能够对空间和计算成本进行权衡,同时能指定outofmemory时对rdd的操作(缓存在内存或者磁...

作者:sky | 创建日期: 2016-11-16 12:04 | 浏览次数: 372 | 评论总数: 0 | 标签:

Spark-SparkStreaming-广告点击的在线黑名单过滤

任务广告点击的在线黑名单过滤使用nc-lk9999在数据发送端口输入若干数据,比如:1375864674543Tom1375864674553Spy1375864674571Andy1375864688436Cheater1375864784240Kelvin1375864853892Steven1375864979347John代码importorg.apache.spark.SparkConf...

作者:sky | 创建日期: 2016-11-16 12:04 | 浏览次数: 192 | 评论总数: 0 | 标签:

Spark-再次分析Apache访问日志

分析日志的包自己编译下:sbtcompilesbttestsbtpackageApacheLogParser.jar对于访问日志简单分析grep等利器比较好,但是更复杂的查询就需要Spark了。代码:importcom.alvinalexander.accesslogparser._valp=newAccessLogParservallog=sc.textFile("log.small&#...

作者:sky | 创建日期: 2016-11-16 12:04 | 浏览次数: 247 | 评论总数: 0 | 标签:

Spark-项目中分析日志的核心代码

代码LogRecord类:caseclassLogRecord(clientIpAddress:String,rfc1413ClientIdentity:String,remoteUser:String,`dateTime:String,//[day/month/year:hour:minute:secondzone]request:String,httpStatusCode:String,byt...

作者:sky | 创建日期: 2016-11-16 12:04 | 浏览次数: 202 | 评论总数: 0 | 标签:

Spark-再接着上次的Lamda架构

日志分析单机日志分析,适用于小数据量的。(最大10G),awk/grep/sort/join等都是日志分析的利器。例子:1、shell得到Nginx日志中访问量最高的前十个IPcataccess.log.10|awk'(a[$1]++)END(for(bina)printb" "a[b])'|sort-k2-r|head-n102、python统计每个IP的地址点击...

作者:sky | 创建日期: 2016-11-16 12:04 | 浏览次数: 198 | 评论总数: 0 | 标签:

Spark-ML-基于云平台和用户日志的推荐系统

架构:数据收集:sparkstareming从AzureQueue收集数据,通过自定义的sparkstaremingreceiver,源源不断的消费流式数据。数据处理:sparkstareming分析用户行为日志数据,通过实时的聚集,统计报表现有的应用的运营信息,,也可以通过离线的训练模型,对实现数据进行预测和标注。结果输出:hdfs数据收集用到了这个东西,miner是个js可以收集用户的行为日志...

作者:sky | 创建日期: 2016-11-16 12:04 | 浏览次数: 361 | 评论总数: 0 | 标签:

Spark-ML-数据获取/处理/准备

获取公开数据集UCL机器学习知识库:包括近300个不同大小和类型的数据集,可用于分类、回归、聚类和推荐系统任务。数据集列表位于:http://archive.ics.uci.edu/ml/。AmazonAWS公开数据集:包含的通常是大型数据集,可通过AmazonS3访问。这些数据集包括人类基因组项目、CommonCrawl网页语料库、维基百科数据和GoogleBooksNgrams。相关信息可参见...

作者:sky | 创建日期: 2016-11-16 12:04 | 浏览次数: 239 | 评论总数: 0 | 标签:

Spark-构建基于Spark的推荐引擎

推荐引擎推荐引擎就是是预测人们可能喜好的物品并通过探寻物品之间的联系来辅助这个过程。从这点上来说,它同样也做预测的搜索引擎互补。但与搜索引擎不同,推荐引擎试图向人们呈现的相关内容并不一定就是人们所搜索的,其返回的某些结果甚至人们都没听说过。推荐引擎试图对用户与某类物品之间的联系建模。比如上一个博客案例中,我们使用推荐引擎来告诉用户有哪些电影他们可能会喜欢。如果这点做得很好,就能吸引用户持续使用我们...

作者:sky | 创建日期: 2016-11-16 12:04 | 浏览次数: 237 | 评论总数: 0 | 标签:

Kylin-基本知识

CUBETable-Thisisdefinitionofhivetablesassourceofcubes,whichmustbesyncedbeforebuildingcubes.DataModel-ThisdescribesaSTARSCHEMAdatamodel,whichdefinesfact/lookuptablesandfiltercondition.CubeDescriptor-Th...

作者:sky | 创建日期: 2016-11-16 12:03 | 浏览次数: 421 | 评论总数: 0 | 标签:

Kylin-实践OLAP

OLAP的历史与基本概念OLAP全称为在线联机分析应用,是一种对于多维数据分析查询的解决方案。典型的OLAP应用场景包括销售、市场、管理等商务报表,预算决算,经济报表等等。最早的OLAP查询工具是发布于1970年的Express,然而完整的OLAP概念是在1993年由关系数据库之父EdgarF.Codd提出,伴随而来的是著名的“twelvelawsofonlineanalyticalprocess...

作者:sky | 创建日期: 2016-11-16 12:03 | 浏览次数: 194 | 评论总数: 0 | 标签:

Kylin-百度地图的实践

百度地图开放平台业务部数据智能组主要负责百度地图内部相关业务的大数据计算分析,处理日常百亿级规模数据,为不同业务提供单条SQL毫秒级响应的OLAP多维分析查询服务。对于ApacheKylin在实际生产环境中的应用,在国内,百度地图数据智能组是最早的一批实践者之一。ApacheKylin在2014年11月开源,当时,我们团队正需要搭建一套完整的大数据OLAP分析计算平台,用来提供百亿行级数据单条SQ...

作者:sky | 创建日期: 2016-11-16 12:03 | 浏览次数: 194 | 评论总数: 0 | 标签:

Kylin-web上的数据分析

KylinWebInterfaceSupportedBrowsersWindows:GoogleChrome,FireFoxMac:GoogleChrome,FireFox,Safari1.Access&LoginHosttoaccess:http://hostname:7070Loginwithusername/password:ADMIN/KYLIN2.SyncHiveTableint...

作者:sky | 创建日期: 2016-11-16 12:03 | 浏览次数: 194 | 评论总数: 0 | 标签:

kylin-BI工具-tableau9

Tableau9Tableau9.xhasbeenreleasedawhile,therearemanyusersareaskingaboutsupportthisversionwithApacheKylin.WithupdatedKylinODBCDriver,nowusercouldinteractivewithKylinservicethroughTableau9.x.ApacheKylin...

作者:sky | 创建日期: 2016-11-16 12:03 | 浏览次数: 468 | 评论总数: 0 | 标签:

安装Kylin

EnvironmentKylinrequiresaproperlysetupHadoopenvironmenttorun.FollowingaretheminimalrequesttorunKylin,formoredetial,pleasecheckHadoopEnvironment.ItismostcommontoinstallKylinonaHadoopclientmachine,fromw...

作者:sky | 创建日期: 2016-11-16 12:03 | 浏览次数: 219 | 评论总数: 0 | 标签:

Kylin-分析数据

I.CreateaProjectGotoQuerypageintopmenubar,thenclickManageProjects.Clickthe+Projectbuttontoaddanewproject.Enteraprojectname,e.g,“Tutorial”,withadescription(optional),thenclicksubmitbuttontosendthereque...

作者:sky | 创建日期: 2016-11-16 12:03 | 浏览次数: 267 | 评论总数: 0 | 标签:

KylinCubeBuildandJobMonitoring

KylinCubeBuildandJobMonitoringCubeBuildFirstofall,makesurethatyouhaveauthorityofthecubeyouwanttobuild.InModelspage,clicktheActiondropdownbuttonintherightofacubecolumnandselectoperationBuild.Thereisapo...

作者:sky | 创建日期: 2016-11-16 12:03 | 浏览次数: 370 | 评论总数: 0 | 标签:

Kylin介绍

ApacheKylin™是一个开源的分布式分析引擎,提供Hadoop之上的SQL查询接口及多维分析(OLAP)能力以支持超大规模数据,最初由eBayInc.开发并贡献至开源社区。它能在亚秒内查询巨大的Hive表。Kylin是什么?-可扩展超快OLAP引擎:Kylin是为减少在Hadoop上百亿规模数据查询延迟而设计-HadoopANSISQL接口:Kylin为Hadoop提供标准SQL支持大部分查...

作者:sky | 创建日期: 2016-11-16 12:03 | 浏览次数: 220 | 评论总数: 0 | 标签:

Spark-zeppelin-大数据可视化分析

官网介绍Multi-purposeNotebookTheNotebookistheplaceforallyourneedsDataIngestionDataDiscoveryDataAnalyticsDataVisualization&CollaborationMultiplelanguagebackendZeppelininterpreterconceptallowsanylanguag...

作者:sky | 创建日期: 2016-11-16 12:03 | 浏览次数: 265 | 评论总数: 0 | 标签:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 下一页 最后一页   共 59 页面