Hue

Hue简介

本文以网站日志分析来介绍可Web访问的Hue服务。开发者可以在Web界面中通过SQL语句就能分析海量日志,大大降低了使用门槛。

Hue为Hadoop数据分析提供了图形界面系统,仅使用浏览器便能够在Hadoop平台上导入数据、处理数据以及分析数据。

创建集群

  1. 准备数据,请参考数据准备
  2. 准备百度智能云环境
  3. 登录控制台,选择“产品服务->百度MapReduce BMR”,点击“创建集群”,进入集群创建页,并做如下配置:
    • 设置集群名称
    • 设置管理员密码
    • 关闭日志开关
    • 选择镜像版本“BMR 1.0.0(hadoop 2.7)”
    • 选择内置模板“hadoop”。
  4. 请保持集群的其他默认配置不变,点击“提交订单”。支付订单后,可在集群列表页可查看已创建的集群,当集群状态由“初始化中”变为“空闲中”时,集群创建成功。

Hue使用

登录Hue Web界面

  1. 登录控制台,选择“产品服务->百度MapReduce BMR”,点击已创建的集群,进入该集群详情页。
  2. 在“相关应用”栏中点击“Hue Web UI”。

  3. 在弹出的认证页面中输入创建集群时设置的用户名和密码,并点击“登录”。

  4. 创建您登录Hue服务的用户名和密码,输入后点击“Create Account”后进入Hue Web界面。

建表

  1. 在分析之前,首先需要根据网站日志建立一张Hive表。在Hue菜单栏中选择“Query Editors>Hive”,并输入以下SQL语句:

    DROP TABLE IF EXISTS access_logs;
    CREATE EXTERNAL TABLE access_logs(
        remote_addr STRING comment 'client IP',
        time_local STRING comment 'access time',
    request STRING comment 'request URL',
    status STRING comment 'HTTP status',
    body_bytes_sent STRING comment 'size of response body',
    http_referer STRING comment 'referer',
    http_cookie STRING comment 'cookies',
    remote_user STRING comment 'client name',
    http_user_agent STRING comment 'client browser info',
    request_time STRING comment 'consumed time of handling request',
    host STRING comment 'server host',
    msec STRING comment 'consumed time of writing logs'
    )
    COMMENT 'web access logs'
    ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.RegexSerDe'
    WITH SERDEPROPERTIES (
    "input.regex" = "([0-9\\.]+) - \\[([^\\]]+)\\] \"([^\"]*)\" ([\\d]+) ([\\d]*) \"([^\"]*)\" \"([^\"]*)\" ([\\S]+) \"([^\"]*)\" ([0-9\\.]+) ([\\S]+) ([0-9\\.]+)"
    )
    STORED AS TEXTFILE
    LOCATION "bos://datamart-bj/web-log-10k";
    
  2. 输入语句后点击执行按钮,Hive会重建access_logs表,然后通过正则表达式来解析日志文件。

  3. 成功创建access_logs表之后,点击左侧“Table”栏中的刷新按钮,找到access_logs表并预览示例数据:

查询

定了表之后,便可以进行查询了。

  • 若统计网页请求的结果,可使用以下语句:

    SELECT status, count(1)
    FROM access_logs
    GROUP BY status
    

    查询结果可切换到图表页,还可以以饼图的形式可视化数据,如下图所示:

  • 若想了解网页访问量最大的时段,可使用下面的语句:

    SELECT hour(from_unixtime(unix_timestamp(time_local, 'dd/MMMM/yyyy:HH:mm:ss Z'))) as hour, count(1) as pv
    FROM access_logs
    GROUP BY hour(from_unixtime(unix_timestamp(time_local, 'dd/MMMM/yyyy:HH:mm:ss Z')))
    

    查询结果可切换到图表页,或以柱状图来更直观的查看结果:

在百度智能云,不仅可通过Hue使用Hive,还可通过Hue轻松制作地图的可视化效果,如下图所示,根据日志信息生成用户地图。欲了解详情,请联系bce@baidu.com。