Apache Pig: дополнительные параметры запроса из веб-журнала - PullRequest
Новая
       13

Apache Pig: дополнительные параметры запроса из веб-журнала

1 голос
/ 15 марта 2011

Я работаю над анализом журналов доступа AWS CloudFront.

У меня есть код для загрузки строк файла 

    raw_logs2 =LOAD 'file:///home/ec2-user/ENWRZAC68E00M.2011-02-28-18.72jA8eGh'
  USING PigStorage('\t')
  AS (
    date: chararray, time: chararray, x_edge_location: chararray, sc_bytes: int,
    c_ip: chararray, cs_method: chararray, cs_host: chararray, cs_uri_stem: chararray,
    sc_status: chararray, cs_referer: chararray, cs_user_agent:chararray, cs_uri_query: chararray
  );

Теперь я пытаюсь проанализировать параметры строки запроса (пары имя / значение): 

p=searchresults&s=homesforsale&gad=&gci=FOUNTAIN%2520VALLEY&gst=CA&gzi=&k=fountainvalleyca&ts=1298918206&

Как добавить дополнительные столбцы в мою таблицу raw_logs2 для значений p, s и gci в строке запроса?

1 Ответ

2 голосов
/ 15 марта 2011

Один быстрый способ сделать это - использовать REGEX_EXTRACT_ALL : 

raw_logs = 
  GENERATE
    *, 
    FLATTEN(REGEX_EXTRACT_ALL(cs_uri_query, 'p=(.+?)&s=(.+?)&.+?gci=(.+?)&.+?')) 
      AS (p:CHARARRAY, s:CHARARRAY, gci:CHARARRAY);`
...