是否有Pig UDF計算博客中的時差?pig udf計算博客中的時間差異
假設我有以下格式的網誌:
10.171.100.10 - - [12/Jan/2012:14:39:46 +0530] "GET /amazon/navigator/index.php
HTTP/1.1" 200 402 "someurl/page1" "Mozilla/4.0 (
compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; InfoPath.2; .NET CLR 3.0.4506
.2152; MS-RTC LM 8; .NET CLR 3.5.30729; .NET CLR 2.0.50727)"
10.171.100.10 - - [12/Jan/2012:14:41:47 +0530] "GET /amazon/header.php HTTP/1.1
" 200 4376 "someurl/page2" "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; InfoPath.2; .NET CLR 3.0.450
6.2152; MS-RTC LM 8; .NET CLR 3.5.30729; .NET CLR 2.0.50727)"
10.171.100.10 - - [12/Jan/2012:14:44:15 +0530] "GET /amazon/navigator/navigator
.php HTTP/1.1" 200 912 "someurl/page3" "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; InfoPath.2; .NET
CLR 3.0.4506.2152; MS-RTC LM 8; .NET CLR 3.5.30729; .NET CLR 2.0.50727)"
與IP 10.171.100.10
用戶訪問somurl/page1 at 12/Jan/2012:14:39:46
(在博客第1項)。下一個用戶訪問someurl/page2
在12/Jan/2012:14:41:47
。所以,用戶停留在page1上2毫秒1秒。同樣,用戶停留在第2頁上2分28秒(14.44:15 - 14:41.47)。我不在乎用戶在第3頁上停留了多久,因爲我沒有什麼可以與之比較。輸出可以是:
10.171.100.10 someurl/page1 121 sec
10.171.100.10 someurl/page2 148 sec etc ..
該博客將有數百萬行,並且IP不一定會按照排序順序。有關如何使用Pig UDF或任何其他技術來解決它的任何建議?
你最終爲此做了什麼? – cloud36 2014-10-18 02:57:58