*目的是為了防采集。需要對網(wǎng)站的日志信息，進行一個實時的IP訪問監(jiān)控。

公司主營業(yè)務(wù)：成都做網(wǎng)站、網(wǎng)站建設(shè)、移動網(wǎng)站開發(fā)等業(yè)務(wù)。幫助企業(yè)客戶真正實現(xiàn)互聯(lián)網(wǎng)宣傳，提高企業(yè)的競爭能力。創(chuàng)新互聯(lián)是一支青春激揚、勤奮敬業(yè)、活力青春激揚、勤奮敬業(yè)、活力澎湃、和諧高效的團隊。公司秉承以“開放、自由、嚴(yán)謹(jǐn)、自律”為核心的企業(yè)文化，感謝他們對我們的高要求，感謝他們從不同領(lǐng)域給我們帶來的挑戰(zhàn)，讓我們激情的團隊有機會用頭腦與智慧不斷的給客戶帶來驚喜。創(chuàng)新互聯(lián)推出安岳免費做網(wǎng)站回饋大家。

1、kafka版本是最新的0.10.0.0

2、spark版本是1.61

3、下載對應(yīng)的spark-streaming-kafka-assembly_2.10-1.6.1.jar放到spark目錄下的lib目錄下

下載地址 https://repo1.maven.org/maven2/org/apache/spark/

4、利用flume將nginx日志寫入到kafka（后續(xù)補充）

5、編寫python腳本，命名為test_spark_collect_ip.py

# coding:utf-8
__author__ = 'chenhuachao'
'''
利用pyspark連接kafka，統(tǒng)計訪問者的IP信息，做出的一個實時的防采集
'''
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
import redis
import datetime
from pyspark.streaming.kafka import KafkaUtils
from pyspark.streaming import StreamingContext
from pyspark import SparkConf, SparkContext
def parse(logstring):
    try:
        infodict =  eval(logstring.encode('utf-8'))
        ip =infodict.get('ip')
        assert infodict['tj-event'] == 'onload'
        assert ip
        return (ip)
    except:
        return ()
def insert_redis(rdd):
    '''將符合條件的結(jié)果寫入到redis'''
    conn = redis.Redis(host='redis的IP',port=6380)
    for i,j in rdd.collect():
        print i,j
        if j >=3 and j != "":
            conn.sadd('cheating_ip_set_{0}'.format(datetime.datetime.now().strftime("%Y%m%d")),i)
            conn.expire('cheating_ip_set',86400)
if __name__ == "__main__":
    topic = 'statis-detailinfo-pageevent'
    sc = SparkContext(appName="pyspark_kafka_streaming_chc")
    ssc = StreamingContext(sc,10)
    checkpointDirectory = '/tmp/checkpoint/cp3'
    ssc.checkpoint(checkpointDirectory)
    kvs = KafkaUtils.createDirectStream(ssc,['statis-detailinfo-pageevent'],kafkaParams={"auto.offset.reset": "largest","metadata.broker.list":"kafka-IP:9092,kafka-IP:9092"})
    #kvs.map(lambda line:line[1]).map(lambda x:parse(x)).pprint()
    #這里用到了一個滑動窗口的概念，需要深入了解的可以參考http://www.kancloud.cn/kancloud/spark-programming-guide/51567
    #ipcount = kvs.map(lambda line: line[1]).map(lambda x:parse(x)).map(lambda ip:(ip,1)).reduceByKey(lambda ips,num:ips+num)
    ipcount = kvs.map(lambda line: line[1]).map(lambda x:parse(x)).map(lambda ip:(ip,1)).reduceByKeyAndWindow(lambda ips,num:ips+num,30,10)
    # 預(yù)處理，如果需要多次計算則使用緩存
    # 傳入rdd進行循壞，即用于foreachRdd(insertRedis)
    ipcount.foreachRDD(insert_redis)
    # 各節(jié)點的rdd的循壞
    # wordCounts.foreachRDD(lambda rdd: rdd.foreach(sendRecord))
    ssc.start()

6、執(zhí)行命令

bin/spark-submit --jars lib/spark-streaming-kafka-assembly_2.10-1.6.1.jar test_spark_collect_ip.py

7、輸出界面

8、更多信息，請參考spark的官網(wǎng)http://spark.apache.org/docs/latest/api/python/pyspark.streaming.html#module-pyspark.streaming.kafka

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

文章標(biāo)題：spark+kafka+redis統(tǒng)計網(wǎng)站訪問者IP-創(chuàng)新互聯(lián)
分享網(wǎng)址：http://chinadenli.net/article18/diiogp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站內(nèi)鏈、定制開發(fā)、虛擬主機、標(biāo)簽優(yōu)化、關(guān)鍵詞優(yōu)化、微信小程序

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)