您好,登錄后才能下訂單哦!
*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。
1、kafka版本是最新的0.10.0.0
2、spark版本是1.61
3、下載對應的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
免責聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。