基于HBase的网站日志数据分析系统

系统说明

1. 数据库设计

LogData

• 该表用于存储经数据清洗、转化后的数据
• 数据库类型： HBase
• 表结构

• RowKey 结构设计说明

RowKey 分为 日期 + 网站代码后三位 + 六位数ID
各部分说明如下：

完整例子
201708082001000000 表示代号为200点公司在2017-08-08产生的一次请求

• 建表语句

create "LogData", "prop"

LogAna

• 该表用于存储分析之后的数据

• 数据库类型： HBase

• 表结构

  RowKey	IP	URL	BYTES	MTHOD_STATE	REQ
  rowkey	IPSumVal IPTotalNum IPList	URLList MaxURL	BytesSecList BytesHourList / TotalBytes	MethodList StateList	ReqHourList ReqSecList ReqSum

• 字段说明

  字段	解释	例子
  IPTotalNum	IP总数，不包含重复的	100 表示当天有100个IP访问网站
  IPSumVal	IP总数，包含重复	100表示有100个IP访问网站，IP可重复
  IPList	IP和对应访问量的排行，结构为 由mutable.Map[String, Int]转变来的JSON文件	{"190.1.1.1"： 1000} 表示190.1.1.1的IP共在网站产生1000次请求）
  URLList	被请求次数最多的10个URL，结构为Json	{"test.aj":100, "test2.aj":90, ...}
  MaxURL	请求次数最多的URL(现在前端已经放弃使用这字段)	{"test.aj": 100}
  BytesSecList	统计每秒内产生的流量，单位为Byte,但是前端展示时转化为MB	{"2017-08-08 01:00:00":9000， "2017-08-08 01:00:00": 500, ...}
  BytesHourList	统计一天内每小时内产生的流量，单位为Byte,但是前端展示时转化为MB	{"08":9000， "09": 500, ...}， 08 表示 8点到9点内产生的流量
  TotalBytes	一天内产生的总流量大小,单位为Byte,但是前端展示时转化为MB	3000, 表示当天产生 3000b bytes的流量
  MethodList	出现过的请求方法统计	{"POST":3446,"OPTIONS":5,"HEAD":4}
  StateList	出现过的请求状态中级	{"501":8,"302":801,"404":1,"200":14738,"400":2,"405":4}
  ReqHourList	按小时统计请求次数	{"15":2350,"09":3503,"00":690,"11":1903}
  ReqSecList	按秒统计请求次数	{"2017-08-08 10:44:08":1,"2017-08-08 09:45:05":4,"2017-08-08 10:06:58":4}
  ReqSum	一天内总请求次数	1000，表示当天内共有1000次请求

• RowKey 结构设计说明

RowKey 分为 日期 + 公司代码后三位 各部分说明如下：

	字段 |  解释 | 例子
	 ----| ----- |----
 	日期 |日志文件的产生日期(纯数字，不含空格和-) | 20170808
 	公司代码| 公司代码后三位 |200， 需要注意的是000表示当天所有网站数据
 
> example:
20170808200 表示天津高院在2017-08-08的所有数据
20170808000 表示所有法院在2017-08-08点所有数据

• 建表语句

create "LogAna", "IP", "URL", "BYTES", "METHOD_STATE", "REQ"

2. 项目代码描述

• 本项目分为三个子项目， 包括数据采集、数据存储和展示、数据离线分析

数据采集

• 工程名：CollectTomcatLogs

• 功能说明：

  收集指定路径下的tomcat日志
  重命名文件之后上传到HDFS或FTP服务器
  保存日志，记录是否上传成功

• 部署说明： 部署在各个需要采集日志的服务器上，在 my.properties 里指定公司代码和日志路径

• 配置管理： maven

• 主要技术： Java FTPClient, HDFS

• 测试用例说明： 主要用于测试重命名后的文件是否正常

• 文件重命名： 在localhost_XXXXX.txt文件前加上法院代码，以此来区分各公司数据

数据存储和展示

• 工程名： RestoreData

• 功能说明：

  数据预处理： 包括数据解析、清洗和转化
  数据存储： 将转化后的数据保存在一个List中，批量插入HBase数据库
  前端展示：展示分析得到的数据
  数据查询： 根据各种输入条件查询对应的数据

• 开发环境：

  JDK 8
  Hadoop 2.7
  Hbase 1.2 tomcat 8

• 部署说明:在 my.properties 里配置好各项数据,注意JDK、Hadoop的版本兼容

• 配置管理： maven

• 主要技术：Spring MVC / Hadoop / JSP

• 测试用例说明：

  HbaseBatchInsertTest.java: 用于测试批量插入
  HbaseConnectionTest.java: 用于测试Hbase连接是否正常
  ParseLogTest.java: 用于测试日志解析
  ListBean.java: 打印所有的bean，用于应付@Autowried失败的情况

• 前端部分：

  ####代码部分 index.jsp： 默认加载页面，加载完成后会请求数据，展示前一天所有网站数据
  index.js： 用于处理index.jsp中的各种请求和数据解析

  ---

  queryData.jsp: 用于查询各家网站数据，输入为日期 + 网站，支持多选
  queryData.js: 用于处理queryData.jsp中的各种请求和数据解析（待完成）

  ---

  dataGrid.jsp: 以表格的形式展示数据（待完成）

  ---

  myCharts.js: 使用echarts绘制各种图表(注意dom的初始化在外部完成）
  inputCheck.js: 检查输入是否合法

  ---

  mystyle.css: 定制各类样式 ####第三方库 Bootstrap: 主要是用其格栅系统
  Bootstrap-select: 多选框的实现
  BootstrapDatepickr: 日期输入
  echarts: 绘制各类图表
  jQuery: 框架
  font-awesome: 各类小图标

数据离线分析

• 工程名： ScalaReadAndWrite

• 功能说明：

  离线分析各类数据，共13个指标，详情见数据库表 LogAna 设计

• 开发环境：

  Scala 2.11
  Spark 1.52
  Hadoop 2.7

• 特别说明：

  spark 中全局变量只有两种实现方式，广播变量或累加器，本项目使用累加器
  自定义的累加器的时候非常一定要注意输入输出类型一定要正确 一定要实现全部六个重载函数
  一个累加器只能传递一种变量，这个变量可以是复杂的对象
  不这样做的话累加器会失效！

• 部署说明：暂无

• 配置管理：maven

• 主要技术：Spark

• 项目结构说明：

  Accumulator:累加器，包含各种自定义的累加器
  analysis: 主要分析代码 DAO: 解析实体类，并存入到HBase
  Entity： 两个实体类
  util: 各种工具类

  3. 项目截图：

  • Hbase数据库截图
    

  • 数据展示界面
    

  • 数据展示界面