实时--1.1 日志数据分析

1. App产生日志数据，发送web请求：

  gmall-mock模块

//启动日志 
upload{"area":"heilongjiang","uid":"2","os":"andriod","ch":"huawei","appid":"gmall","mid":"mid_71","type":"startup","vs":"1.1.2"}
//事件日志 
upload{"area":"heilongjiang","uid":"2","itemid":24,"npgid":41,"evid":"clickItem","os":"andriod","pgid":32,"appid":"gmall","mid":"mid_71","type":"event"}

2. springboot接收日志落盘并发送给kafka：

gmall-logger模块--SpringBoot的部署

日志前加一个ts时间戳；org.slf4j.LoggerFactory，slf4j是一个接口，它会去找实现类；LoggeerFactory默认的会在jar包中找实现类；

logging（它是LoggeFactory默认使用的）和log4j是竞争关系，所以要在gmall-logger.pom.xml文件中加入exclusions把logging给排除了

  <dependency>
       <groupId>org.springframework.boot</groupId>
       <artifactId>spring-boot-starter</artifactId>
       <exclusions>
         <exclusion>
           <groupId>org.springframework.boot</groupId>
           <artifactId>spring-boot-starter-logging</artifactId>
         </exclusion>
       </exclusions>
    </dependency>
    <dependency>
       <groupId>org.springframework.boot</groupId>
       <artifactId>spring-boot-starter-log4j</artifactId>
       <version>1.3.8.RELEASE</version>
    </dependency>
  </dependencies>

com.atguigu.gmall.logger.controller.LoggerController

@RestController
public class LoggerController {
    @Autowired
    KafkaTemplate kafkaTemplate;
    private static final Logger logger = LoggerFactory.getLogger(LoggerController.class);
    @PostMapping("log")
    public String doLog(@RequestParam("log") String log){

        JSONObject jsonObject = JSON.parseObject(log);
        jsonObject.put("ts", System.currentTimeMillis());

        //System.out.println(log);

        // 1. 落盘成为日志文件     // log4j
        logger.info(jsonObject.toJSONString());
        //2. 发送kafka
        if ("startup".equals(jsonObject.getString("type"))){
            kafkaTemplate.send(GmallConstant.KAFKA_TOPIC_STARTUP, jsonObject.toJSONString());
        }else {
            kafkaTemplate.send(GmallConstant.KAFKA_TOPIC_EVENT, jsonObject.toJSONString());
        }
        return "success";
    }
}

利用resources/ log4j.properties进行log日志的落盘：

log4j.appender.atguigu.MyConsole=org.apache.log4j.ConsoleAppender  //怎么写这个日志；类型--控制台
log4j.appender.atguigu.MyConsole.target=System.err  //控制台有两种：System.out日志颜色黑色和System.err日志是红色的
log4j.appender.atguigu.MyConsole.layout=org.apache.log4j.PatternLayout    //自定义的，除了要打印的日志级别，还要打印什么
log4j.appender.atguigu.MyConsole.layout.ConversionPattern=%d{yyyy-MM-dd HH:mm:ss} %10p (%c:%M) - %m%n  //格式，p是日志级别，%m输出的内容，%n是换行；

log4j.appender.atguigu.File=org.apache.log4j.DailyRollingFileAppender  //每日滚动文件，每天产生一个文件；
log4j.appender.atguigu.File.file=/opt/module/applog/gmall/log/app.log  //输出的文件路径，linux中的路径
log4j.appender.atguigu.File.DatePattern='.'yyyy-MM-dd  　　　　　　//输出文件的后缀； 当天的日志是没有后缀的，一旦过了12点，就有后缀.'yyyy-MM-dd'，后缀是日志时间
log4j.appender.atguigu.File.layout=org.apache.log4j.PatternLayout //自定义格式
log4j.appender.atguigu.File.layout.ConversionPattern=%m%n  //要干干净净的打印信息；

log4j.logger.com.atguigu.gmall.logger.controller.LoggerController=info,atguigu.File  
//某一个类的路径，只监控某个类所产生的日志；log4j.rootLogger=error,atguigu.Myconsole表示根底的，除了上边指定的都是它，首先是精确匹配到info就日志输出就按照它的打印，它们后边的.File或.Myconsole都会输出

日志级别有：级别从低到高 trace、debug、info、warn、error、fatal，如果写info，从低到高比它高的都可以输出出来；

在linux中，log4j要有权限才能创建applog/gmall/log/app.log的目录，也可以提前创建好这个目录；

在linux中，非root账号，不能使用1024以下的端口号；   Tomcat中 server.port=80

把日志采集模块打包部署到Linux中

 

在idea中的maven执行package，把打好的jar包拷贝到Linux 路径下，启动jar包：

     可临时指定端口号，后台执行使用 &，控制台日志不输出使用/dev/null/ 2>&1 输入日志到黑洞 也可以输出到指定目录 >./app.err

          java -jar  /app/gmall/dw-logger-0.0.1-SNAPSHOT.jar  --server.port=8080  >/dev/null  2>&1  &

　　测试 由windows发送日志数据（gmall-mock/ JsonMocker类）到linux 日志落盘

在三台系统同时部署日志采集系统的jar包，分别把/applog/目录拷贝到三台虚拟机上

java -jar /opt/module/applog/gmall/gmall-logger-0.0.1-SNAPSHOT.jar --server.port=8080 >./app.error 2>&1 &

[kris@hadoop101 log]$ tail -10f app.log  //监控文件测试数据是否写入

3. 搭建nginx

  https://www.cnblogs.com/shengyang17/p/10836168.html ，只需一台部署nginx即可；

由windows发送模拟日志，nginx负责路由，日志服务负责接收。

window发送日志------>>niginx路由---> linux中接收日志的jar存储日志文件并发给kafka--->kafka

更新集群启动脚本 ,加入nginx操作： ./logger-cluster.sh start 启动nginx路由，路由三台虚拟机给接收日志服务的jar包 ，并发给fakfa；

logger-cluster.sh

[kris@hadoop101 gmall]$ vim logger-cluster.sh    
#!/bin/bash
JAVA_BIN=/opt/module/jdk1.8.0_144/bin/java
PROJECT=gmall
APPNAME=gmall-logger-0.0.1-SNAPSHOT.jar
SERVER_PORT=8080
 
case $1 in
"start"){
    for i in hadoop101 hadoop102 hadoop103
    do
        echo "========启动日志服务: $i==============="
        ssh $i  "$JAVA_BIN -Xms32m -Xmx64m -jar /opt/module/applog/$PROJECT/$APPNAME --server.port=$SERVER_PORT >./app.error 2>&1  &"
    done
        echo "==============启动NGINX==============="
        /opt/module/nginx/sbin/nginx
  };;

"stop"){
        echo "=============关闭NGINX================="
        /opt/module/nginx/sbin/nginx -s stop
    for i in  hadoop101 hadoop102 hadoop103
    do
        echo "========关闭日志服务: $i==============="
        ssh $i "ps -ef|grep $APPNAME |grep -v grep|awk '{print $2}'|xargs kill" >/dev/null 2>&1
    done
 
  };;
esac

ssh之间的互相连接：三种联通方式： ①source /etc/profile;  ②ssh 会读.bashrc cat /etc/profile>>.brashrc   ③$JAVA_BIN

netstart -anp | more 查看端口

当前日志模块：

                       

4. 日活DAU

搭建实时处理模块gmall-realtime：

　　消费kafka；利用redis过滤当日已经计入的日活设备；把每批次新增的当日日活信息保存到ES中；从ES中查出数据，发布成数据接口

 消费kafka& 利用redis去重

　　1、把今日新增的活跃用户保存到redis中；   2、每条数据经过过滤，去掉redis中的已有的用户

　　设计Redis的kv； Key：dau:2019-01-22， value: 设备id

　　业务类开发

 DauApp.scala    消费kafka中数据（通过MyKafkaUtil获取） --->>利用redis去重---->>保存到ES（通过MyEsUtil工具类）中；

object DauApp {
      def main(args: Array[String]): Unit = {
        val conf: SparkConf = new SparkConf().setAppName("gmall").setMaster("local[*]")
        val streamingContext: StreamingContext = new StreamingContext(new SparkContext(conf),Seconds(5))

        val inputStream: InputDStream[ConsumerRecord[String, String]] = MyKafkaUtil.getKafkaStream(GmallConstant.KAFKA_TOPIC_STARTUP, streamingContext)
        //  1 把当日已访问过的用户保存起来 redis
        //  2  以当日已访问用户清单为依据 ，过滤掉再次访问的请求

        // 转换case class  补全日期格式
        val startupLogDStream: DStream[StartUpLog] = inputStream.map { record =>
          val jsonStr: String = record.value()
          val startUpLog: StartUpLog = JSON.parseObject(jsonStr, classOf[StartUpLog])
          //把日期进行补全
          val dateTimeString: String = new SimpleDateFormat("yyyy-MM-dd HH:mm").format(new Date(startUpLog.ts))
          val dateTimeArray: Array[String] = dateTimeString.split(" ")
          startUpLog.logDate = dateTimeArray(0)
          startUpLog.logHour = dateTimeArray(1).split(":")(0)
          startUpLog.logHourMinute = dateTimeArray(1)
          startUpLog
        }
        // 去重操作
        val filterDStream: DStream[StartUpLog] = startupLogDStream.transform { rdd =>
          //driver 每时间间隔执行一次
          println("过滤前：" + rdd.count())
          val jedis: Jedis = RedisUtil.getJedisClient
          val curDate: String = new SimpleDateFormat("yyyy-MM-dd").format(new Date())
          val key: String = "dau:" + curDate
          val dauSet: util.Set[String] = jedis.smembers(key) //当日日活用户清单
        //使用广播变量
        val dauBC: Broadcast[util.Set[String]] = streamingContext.sparkContext.broadcast(dauSet)

          val filterRDD: RDD[StartUpLog] = rdd.filter {
            startuplog =>
              !dauBC.value.contains(startuplog.mid)
          }
          println("过滤后:" + filterRDD.count())
          filterRDD
        }

        // 考虑到 新的访问可能会出现重复 ，所以以mid为key进行去重，每个mid为小组 每组取其中一个
        val startupLogGroupDStream: DStream[(String, Iterable[StartUpLog])] = filterDStream.map{startuplog => (startuplog.mid, startuplog)}.groupByKey()

        val startupLogFilterDistinctDStream: DStream[StartUpLog] = startupLogGroupDStream.flatMap {
          case (mid, startupLogIter) =>
            val startupLogOneIter: Iterable[StartUpLog] = startupLogIter.take(1)
            startupLogOneIter
        }

        //  1 把当日已访问过的用户保存到 redis
        startupLogFilterDistinctDStream.foreachRDD{rdd =>
          rdd.foreachPartition{startupLogItr =>
            val jedis: Jedis = RedisUtil.getJedisClient
            val startupList: List[StartUpLog] = startupLogItr.toList
            for (elem <- startupList) {
              val key: String = "dau:" + elem.logDate
              jedis.sadd(key, elem.mid)
            }
            jedis.close()
            //保存到ES
            MyEsUtil.insertEsBatch(GmallConstant.ES_INDEX_DAU, startupList)
          }
    }
    streamingContext.start()
    streamingContext.awaitTermination()

  }

}

4. ES

     综上 ，在实际环境中，需要一种能够容纳较大规模数据切交互性好的数据库。mysql虽然交互性好，但是容量扩展性有限。

   hbase虽然能够支持海量数据，但是查询的灵活度不足。所以ES在容量及交互性上达到一个非常不错的平衡，而且还能支持全文检索。

搭建es集群 https://www.cnblogs.com/shengyang17/p/10597841.html

ES& kibana的启动脚本： ./ek.sh start 

[kris@hadoop101 gmall]$ cat ek.sh    
#!/bin/bash
es_home=/opt/module/elasticsearch
kibana_home=/opt/module/kibana/
case $1 in
"start"){
        echo "=============启动ES集群============="
        for i in hadoop101 hadoop102 hadoop103
        do
            ssh $i "source /etc/profile;${es_home}/bin/elasticsearch >/dev/null 2>&1 &"
        done
        echo "=============启动kibana============="
        nohup ${kibana_home}/bin/kibana >/opt/module/kibana/kibana.log 2>&1 &
};;
"stop"){
        echo "=============关闭kibana============="
        ps -ef | grep ${kibana_home} | grep -v grep | awk '{print $2}'|xargs kill
        echo "=============关闭ES集群============="
        for i in hadoop101 hadoop102 hadoop103
        do
            ssh $i "ps -ef | grep $es_home | grep -v grep | awk '{print $2}'|xargs kill" >/dev/null 2>&1
        done

};;
esac

设计es索引结构

case class startup

case class Startup(mid:String,
                   uid:String,
                   appid:String,
                   area:String,
                   os:String,
                   ch:String,
                   logType:String,
                   vs:String,
                   var logDate:String,
                   var logHour:String,
                   var logHourMinute:String,
                   var ts:Long
                  ) {

}
 

　　text 支持分词； keyword 只能全部内容匹配
保存数据之前一定要先定义好mapping：  每个字段的类型 ； 分清楚索引类型

1、需要索引 也需要分词：标题，商品名称，分类名称，  type：“text”

2、需要索引，但不需要分词：类型id , 日期，数量 ，年龄 ，各种id， type:"keyword"；

　　　　mid, uid,area,os ,ch ,vs,logDate,logHourMinute,ts

3、既不需要索引，也不需要分词： 不被会用于条件过滤，经过脱敏的字段，138****0101  index:false

##############在ES中创建index
PUT gmall_dau
{
  "mappings": {
    "_doc":{
      "properties":{
         "mid":{
           "type":"keyword" ,
         },
         "uid":{
           "type":"keyword"
         },
         "area":{
           "type":"keyword"
         },
         "os":{
           "type":"keyword"
         },
         "ch":{
           "type":"keyword"
         },
         "vs":{
           "type":"keyword"
         },
         "logDate":{
           "type":"keyword"
         },
         "logHour":{
           "type":"keyword"
         },
         "logHourMinute":{
           "type":"keyword"
         },
         "ts":{
           "type":"long"
         } 
      }
    }
  }
}

 在Kibana中进行查询

 　　如果在在保存| 插入数据的时候，没有先建立mapping的数据结构，则ES是会自动推断；当你再去聚合aggs时，text的字段是不能进行聚合的（如果想要聚合要加 字段.keyword，如下所示），但是好一点的是ES给保存了两份，一个是text类型的字段、另外一个是keyword类型的；浪费了空间，在实际生产环境中是不能使用这种方式的；

GET /gmall_dau/_search
{
  "query": {
    "bool": {
      "filter": {
        "term": {
          "logDate": "2019-05-04"
        }
      }
    }
  }
}

######groupby操作  聚合aggregation
GET /gmall_dau/_search
{
  "query": {
    "bool": {
      "filter": {
        "term": {
          "logDate": "2019-04-30"
        }
      }
    }
  },
  "aggs": {
    "groupby_logHour": {
      "terms": {
        "field": "logHour.keyword",
        "size": 24
      }
    }
  }
}

保存到es中； 关于es java客户端的选择，目前市面上有两类客户端：

　　一类是TransportClient 为代表的ES原生客户端，不能执行原生dsl语句必须使用它的Java api方法。
　　另外一种是以Rest Api为主的missing client，最典型的就是jest。 这种客户端可以直接使用dsl语句拼成的字符串，直接传给服务端，然后返回json字符串再解析。
两种方式各有优劣，但是最近elasticsearch官网，宣布计划在7.0以后的版本中废除TransportClient。以RestClient为主。

所以在官方的RestClient 基础上，进行了简单包装的Jest客户端，就成了首选，而且该客户端也与springboot完美集成。

5. 数据发布接口

详细见代码

通过gmall-mock模块的类JsonMocker发送数据--->nginx路由--->三台虚拟机的gmall-logger的接收数据并转发给kafka（用的是SpringBoot）--->

 启动：gmall-publisher--springBoot的主类： com.atguigu.gmall.publisher.GmallPublisherApplication，给chart的接口，启动

 启动：gmall--dw-chart---com.demo.DemoApplication的主类； 接接口展示数据的动态变化

 启动：[kris@hadoop101 ~]$ redis-server myredis/redis.conf 

启动：gmall-realtime的com.atguigu.gmall.realtime.app.DauApp类，

启动：gmall-mock模块的类JsonMocker发送数据

http://127.0.0.1:8070/realtime-total?date=2019-04-30
[{"name":"新增日活","id":"dau","value":761},{"name":"新增设备","id":"new_mid","value":233}]

http://127.0.0.1:8070/realtime-hour?id=dau&&date=2019-05-04
{"yesterday":{},"today":{"20":26,"21":96}}

通过前端页面展示： http://localhost:8089/index