是否有Pig UDF计算博客中的时差?pig udf计算博客中的时间差异
假设我有以下格式的网志:
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)"
与IP 10.171.100.10
用户访问somurl/page1 at 12/Jan/2012:14:39:46
(在博客第1项)。下一个用户访问someurl/page2
在12/Jan/2012:14:41:47
。所以,用户停留在page1上2毫秒1秒。同样,用户停留在第2页上2分28秒(14.44:15 - 14:41.47)。我不在乎用户在第3页上停留了多久,因为我没有什么可以与之比较。输出可以是:
10.171.100.10 someurl/page1 121 sec
10.171.100.10 someurl/page2 148 sec etc ..
该博客将有数百万行,并且IP不一定会按照排序顺序。有关如何使用Pig UDF或任何其他技术来解决它的任何建议?
你最终为此做了什么? – cloud36 2014-10-18 02:57:58