hive 에서 정규 표현 식 을 잘못 사용 하여 운행 이 매우 느 립 니 다.
7014 단어 hive.
1. hql 문장:
CREATE TABLE weibo_mobile_nginx AS SELECT
split(split(log, '`') [ 0 ], '\\|')[ 0 ] HOST,
split(split(log, '`') [ 0 ], '\\|')[ 1 ] time,
substr(
split(
split(split(log, '`') [ 2 ], '\\?')[ 0 ], ' '
)[ 0 ], 2
)request_type,
split(
split(split(log, '`') [ 2 ], '\\?')[ 0 ], ' '
)[ 1 ] interface,
regexp_extract(
log,
’.*& ua =[^ _ ]* __([^ _ ]*)__([^ _ ]*)__([^ _ ]*)__[^&]*’,
3
)version,
regexp_extract(
log,
’.*& ua =[^ _ ]* __([^ _ ]*)__([^ _ ]*)__([^ _ ]*)__.* ',1) systerm,regexp_extract(log,’.*&networktype=([^&%]*).*',
1
)net_type,
split(log, '`')[ 4 ] STATUS,
split(log, '`')[ 5 ] client_ip,
split(log, '`')[ 6 ] uid,
split(log, '`')[ 8 ] request_time,
split(log, '`')[ 12 ] request_uid,
split(log, '`')[ 13 ] http_host,
split(log, '`')[ 15 ] upstream_response_time,
split(log, '`')[ 16 ] idc
FROM
ods_wls_wap_base_orig
WHERE
dt = '20150311'
AND HOUR = '08'
AND(
split(log, '`')[ 13 ]= 'api.weibo.cn'
OR split(log, '`')[ 13 ]= 'mapi.weibo.cn’);
사실 이 hql 은 매우 간단 합 니 다. 데이터 가 한 열 밖 에 없 는 표 odswls_wap_base_orig 에서 데 이 터 를 가 져 온 다음 각 줄 의 데 이 터 를 split 또는 정규 표현 식 과 일치 시 켜 필요 한 필드 정 보 를 얻 고 마지막 으로 출력 된 데 이 터 를 통 해 weibo 를 만 듭 니 다.mobile_nginx 시계.
그 중 표 odswls_wap_base_orig 의 한 줄 데이터 형식 은 다음 과 같 습 니 다.
web043.mweibo.yhg.sinanode.com|[11/Mar/2015:00:00:01 +0800]`-`"GET /2/remind/unread_count?v_f=2&c=android&wm=9847_0002&remind_version=0&with_settings=1&unread_message=1&from=1051195010&lang=zh_CN&skin=default&with_page_group=1&i=4acbdd0&s=6b2cd11c&gsid=4uQ15a2b3&ext_all=0&idc=&ua=OPPO-R8007__weibo__5.1.1__android__android4.3&oldwm=9893_0028 HTTP/1.1"`"R8007_4.3_weibo_5.1.1_android"`200`[121.60.78.23]`3226234350`"-"`0.063`351`-`121.60.78.23`1002792675011956002`api.weibo.cn`-`0.063`yhg 20150311 00
1 열 만 있 고 열 이름 은 log 입 니 다.
2. hql 실현 이 느 린 이상 제 가 처음으로 최적화 한 시 도 는 Mapreduce 를 쓰 는 것 입 니 다.
map 코드 는 다음 과 같 습 니 다.
public class Map extends Mapper {
private Text outputKey = new Text();
private Text outputValue = new Text();
Pattern p_per_client = Pattern
.compile(".*&ua=[^_]*__([^_]*)__([^_]*)__([^_]*)__[^&]*");
Pattern net_type_parent = Pattern.compile(".*&networktype=([^&%]*).*");
public void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
String[] arr = value.toString().split("`");
if (arr[13].equals("api.weibo.cn") || arr[13].equals("mapi.weibo.cn")) {
Matcher matcher = p_per_client.matcher(value.toString());
String host = "";
String time = "";
String request_type = "";
String interface_url = "";
String version = "";
String systerm = "";
String net_type = "";
String status = "";
String client_ip = "";
String uid = "";
String request_time = "0";
String request_uid = "";
String http_host = "";
String upstream_response_time = "0";
String idc = "";
host = arr[0].split("\\|")[0];
time = arr[0].split("\\|")[1];
request_type = arr[2].split("\\?")[0].split(" ")[0].substring(1);
interface_url = arr[2].split("\\?")[0].split(" ")[1];
if (matcher.find()) {
version = matcher.group(1);
systerm = matcher.group(2);
}
Matcher matcher_net = net_type_parent.matcher(value.toString());
if (matcher_net.find()) {
net_type = matcher_net.group(1);
}
status = arr[4];
client_ip = arr[5];
uid = arr[6];
if (!arr[8].equals("-")) {
request_time = arr[8];
}
request_uid = arr[12];
http_host = arr[13];
if (!arr[15].equals("-")) {
upstream_response_time = arr[15];
}
idc = arr[16];
outputKey.set(host + "\t" + time + "\t" + request_type + "\t"
+ interface_url + "\t" + version + "\t" + systerm + "\t" + net_type
+ "\t" + status + "\t" + client_ip + "\t" + uid + "\t" + request_uid
+ "\t" + http_host + "\t" + idc);
outputValue.set(request_time + "\t" + upstream_response_time);
context.write(outputKey, outputValue);
}
}
자바 코드 도 사실 간단 합 니 다. 여 기 는 말 이 많 지 않 습 니 다. 포장 제출 job 결과 map 가 가장 느리게 40 분 실 행 했 습 니 다. 평균 map 운행 시간 은 30 분 에 달 했 습 니 다. 전체 job 가 1 시간 안에 완성 되 었 지만 느 렸 습 니 다. 이 문 제 는 자바 로 고 쳐 쓰 면 좋 은 문제 가 아 닌 것 같 습 니 다.
3. 마지막 으로 정규 표현 식 검출
자바 로 바 꾼 maprediuce 의 운행 도 느 린 것 같 습 니 다. 문 제 는 다른 원인 인 것 같 습 니 다. hql 의 정규 표현 식 을 보고 몇 가지 부분 을 수 정 했 습 니 다.
원래 의:
regexp_extract(
log,
’.*& ua =[^ _ ]* __([^ _ ]*)__([^ _ ]*)__([^ _ ]*)__[^&]*’,
3
)version,
regexp_extract(
log,
’.*& ua =[^ _ ]* __([^ _ ]*)__([^ _ ]*)__([^ _ ]*)__.* ',1)
systerm,
regexp_extract(log,’.*&networktype=([^&%]*).*',
1
)net_type,
수정 후: regexp_extract(
log,
'&ua=[^_]*__[^_]*__([^_]*)__[^_]*__',
1
)version,
regexp_extract(
log,
'&ua=[^_]*__[^_]*__[^_]*__([^_]*)__',
1
)systerm,
regexp_extract(
log,
'&networktype=([^&%]*)',
1
)net_type,
사실 일치 하 는 목표 가 명확 하기 때문에 정규 표현 식 전후의 '. *' 를 제거 하고 불필요 한 group 을 제거 하 며 색인 을 모두 1 로 바 꾸 었 습 니 다.자바 코드 의 정규 표현 식 도 수정 되 었 습 니 다.
Pattern p_per_client = Pattern
.compile("&ua=[^_]*__[^_]*__([^_]*)__([^_]*)__");
Pattern net_type_parent = Pattern.compile("&networktype=([^&%]*).");
각각 테스트 를 제출 했 습 니 다. 속도 ss 의, 수 정 된 hql 과 Mapreduce 의 전체 작업 은 6 분 동안 실 행 됩 니 다. 평균 map 운행 시간 은 2 분 이 고 속도 가 크게 향상 되 어 그들의 속도 요 구 를 만족 시 켰 습 니 다.요약:
1. 정규 표현 식 의 맨 앞 에는 '. *' 가 포함 되 어 있 습 니 다. 일치 할 때 첫 번 째 문자 부터 일치 해 야 합 니 다. 속도 가 매우 느 립 니 다. 만약 에 우리 가 일치 하 는 목표 가 명확 한 상황 에서 '. *' 를 제거 해 야 합 니 다.
2. 앞으로 이런 문제 에 부 딪 혔 을 때 정규 표현 식 에 문제 가 있 는 지 꼭 보고 기억 하 세 요.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
Hive 복잡 한 데이터 구조 삽입Hive Hive 기본 데이터 구조 지원 제외 Hive 복잡 한 데이터 구조: 데이터 형식 hive 표 구조 디자인: select :...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.