實戰案例:醫療臨床大資料實時流日誌分析
2.6 spark實戰案例:實時日誌分析
- 2.6.1 互動流程圖
- 2.6.2 客戶端監聽器(java)
1 對his系統零侵入,醫療his log4j把日誌切入到檔案,為了保證中文完整性(socket傳輸、python解碼)中文字元采用base64 encode
2 spark stream原生支援監聽資料夾的變化,但與業務系統同網段跨機器,考慮到amout掛載共享、linux samba檔案服務,但共享涉及對業務系統機器的更新以及共享檔案檔案控制
3 spark stream 支援kaffka日誌監聽,業務系統訊息採用rabbitMq,綜上2、3採用socket客戶端監聽
4 socket資料採集:保證業務系統日誌完整性-需要熟悉醫療his業務日誌,多執行緒獲取日誌-保證一條完整的日誌不能被切分
5 java io包括aio、nio、bio,經過測試spark stream receiver執行緒目前版本僅支援bio
@SuppressWarnings("static-access") private void handleSocket() { lock.lock(); Writer writer = null; RandomAccessFile raf = null; try { File file = new File(filepath); raf = new RandomAccessFile(file, "r"); raf.seek(pointer); writer = new OutputStreamWriter(socket.getOutputStream(), "UTF-8"); String line = null; while ((line = raf.readLine()) != null) { if (Strings.isBlank(line)) { continue; } line = new String(line.getBytes("ISO-8859-1"), "UTF-8"); writer.write(line.concat("\n")); writer.flush(); logger.info("執行緒:{}----起始位置:{}----讀取檔案\n{} :",Thread.currentThread().getName(), pointer, line); pointer = raf.getFilePointer(); } Thread.currentThread().sleep(2000); } catch (Exception e) { logger.error(e.getMessage()); e.printStackTrace(); } finally { lock.unlock(); fclose(writer, raf); } }
- 2.6.3 sparkStream實時資料接收(python)
spark conf全域性配置:
conf = SparkConf() conf.setAppName("HIS實時日誌分析") conf.setMaster('yarn') # spark standalone conf.set('spark.executor.instances', 8) # cluster on yarn conf.set('spark.executor.memory', '1g') conf.set('spark.executor.cores', '1') # conf.set('spark.cores.max', '2') # conf.set('spark.logConf', True) conf.set('spark.streaming.blockInterval', 1000*4) # restart receiver interval
初始化spark stream:
sc = SparkContext(conf = conf) sc.setLogLevel('ERROR') ssc = StreamingContext(sc, 30) # time interval at which splits streaming data into block lines = ssc.socketTextStream(str(ip), int(port)) # lines.pprint() lines.foreachRDD(requestLog) lines.foreachRDD(errorLog) ssc.start() ssc.awaitTermination()
設定RDD checkpoint,hdfs資料備份恢復
sc.setCheckpointDir(‘hdfs://hadoop01:9000/hadoop/upload/checkpoint/’)
- 2.6.4 單例spark session
def getSparkSessionInstance(sparkConf): ''' :@desc 多個RDD全域性共享sparksession .config("spark.mongodb.input.uri", "mongodb://127.0.0.1/test.coll") \ .config("spark.mongodb.output.uri", "mongodb://adxkj:123456@192.168.0.252:27017/") \ :param sparkConf: :return: ''' if ('sparkSessionSingletonInstance' not in globals()): globals()['sparkSessionSingletonInstance'] = SparkSession \ .builder \ .config(conf=sparkConf) \ .getOrCreate() return globals()['sparkSessionSingletonInstance']
- 2.6.5 python 處理工具
def timeFomate(x): ''' :@desc 處理時間 :param x: :return: ''' if not isinstance(x, list): return None # filter microsenconds x.insert(0, ' '.join(x[0:2])) x.pop(1) x.pop(1) # filter '[]' rx = re.compile('([\[\]\',])') # text = rx.sub(r'\\\1', text) x = [rx.sub(r'', x[i]) for i in range(len(x))] # string to time x[0] = x[0][: x[0].find('.')] x[0] = ''.join(x[0]) x[0] = datetime.strptime(x[0], '%Y-%m-%d %H:%M:%S') return x def analyMod(x) : ''' :@desc 通過uri匹配模組 :param x: :return: ''' if x[6].strip() == ' ': return None hasMatch = False for k, v in URI_MODULES.items() : if x[6].strip().startswith('/' + k) : hasMatch = True x.append(v) if not hasMatch: x.append('公共模組') return x #python解碼java編碼中文字元 def decodeStr(x) : ''' :@desc base64解碼 :param x: :return: ''' try: if x[9].strip() != '' : x[9] = base64.b64decode(x[9].encode("utf-8")).decode("utf-8") # x[9] = x[9][:5000] #mysql if x[11].strip() != '': x[11] = base64.b64decode(x[11].encode("utf-8")).decode("utf-8") # x[11] = x[11][:5000] #mysql if len(x) > 12 and x[12].strip() != '': x[12] = base64.b64decode(x[12].encode("utf-8")).decode("utf-8") except Exception as e: print("不能解碼:", x, e) return x
- 2.6.6 sparkSQL儲存mysql
def sqlMysql(sqlResult, table, url="jdbc:mysql://192.168.0.252:3306/hisLog", user='root', password=""): ''' :@desc sql結果儲存 :param sqlResult: :param table: :param url: :param user: :param password: :return: ''' try: sqlResult.write \ .mode('append') \ .format("jdbc") \ .option("url", url) \ .option("dbtable", table) \ .option("user", user) \ .option("password", password) \ .save() except: excType, excValue, excTraceback = sys.exc_info() traceback.print_exception(excType, excValue, excTraceback, limit=3) # print(excValue) # traceback.print_tb(excTraceback)
- 2.6.7 sparkSQL儲存mongoDB
備註:請把java-connector-mongodb、spark-mongodb jar放到spark classpath
def sqlMongodb(sqlResult, table): ''' :@desc sql結果儲存 :param sqlResult: :param table: :param url: :param user: :param password: :return: ''' try: sqlResult.\ write.\ format("com.mongodb.spark.sql.DefaultSource"). \ options(uri="mongodb://adxkj:123456@192.168.0.252:27017/hislog", database="hislog", collection=table, user="adxkj", password="123456").\ mode("append").\ save() except: excType, excValue, excTraceback = sys.exc_info() traceback.print_exception(excType, excValue, excTraceback, limit=3) # print(excValue) # traceback.print_tb(excTraceback)
- 2.6.8 RDD transform->action
def fromRDD(): reqrdd = rdd.map(lambda x: x.split(' ')).\ filter(lambda x: len(x) > 12 and x[4].find('http-nio-') > 0 and x[2].strip() == 'INFO').\ filter(lambda x: x[8].strip().upper().startswith('POST') or x[8].strip().upper().startswith('GET')).\ map(timeFomate).\ map(decodeStr).\ map(analyMod)
- 2.6.9 RDD轉為dataframe、sparkSQL結構化查詢
def constructSQL(reqrdd): sqlRdd = reqrdd.map(lambda x: Row(time=x[0], level=x[1], clz=x[2], thread=x[3], user=x[4], depart=x[5], uri=x[6], method=x[7], ip=x[8], request=x[9], oplen=x[10], respone=x[11], mod=x[12])) if reqrdd.isEmpty(): return None spark = getSparkSessionInstance(rdd.context.getConf()) df = spark.createDataFrame(sqlRdd) df.createOrReplaceTempView(REQUEST_TABLE) # 結構化後再分析 sqlresult = spark.sql("SELECT * FROM " + REQUEST_TABLE) sqlresult.show() return sqlresult
- 2.6.10 RDD持久化
#快取到記憶體 reqrdd.cache() # rdd持久化到硬碟,降低記憶體消耗, cache onliy for StorageLevel.MEMORY_ONLY # reqrdd.persist(storageLevel=StorageLevel.MEMORY_AND_DISK_SER) #設定檢查點,資料可從hdfs恢復 reqrdd.checkpoint() # checkpoint先cache避免計算兩次,以前的rdd銷燬
- 2.6.11 日誌分析流程
def requestLog(time, rdd): ''' :@desc 請求日誌分析 :param time: :param rdd: :return: ''' logging.info("+++++handle request log:length:%d,獲取內容:++++++++++" % (rdd.count())) if rdd.isEmpty(): return None logging.info("++++++++++++++++++++++處理requestLog+++++++++++++++++++++++++++++++") fromRDD(rdd) sqlresult = constructSQL(reqrdd) # 儲存 sqlMongodb(sqlresult, REQUEST_TABLE)
備註:需要完整程式碼請聯絡作者@狼
相關文章
- CDN日誌實時分析
- 七牛大資料平臺的實時資料分析實戰大資料
- 基於分類分級的醫療臨床資料合規共享與安全防護建設實踐
- 大資料開發實戰:實時資料平臺和流計算大資料
- 醫療大模型:資料+知識雙輪驅動實現醫學推理、醫患問答、病歷自動生成、臨床決策,為未來醫療服務提供全新可能性大模型
- 如果通過流資料實現實時分析?
- 騰訊雲EMR大資料實時OLAP分析案例解析大資料
- 騰訊雲大資料實戰案例大資料
- 收集、分析線上日誌資料實戰——ELK
- 遊戲資料分析的三大實戰案例深度解讀遊戲
- Django websocket之web端實時檢視日誌實踐案例DjangoWeb
- 共建“醫療合規科技實驗室”,美創科技實力護航醫療資料安全
- 智慧醫療BI助你釋放醫療大資料潛力大資料
- 日誌實時分析:從入門到精通
- 簡要說明,實時資料分析將面臨哪些問題和挑戰?
- 醫療資料安全實力派 | 美創科技品牌案例入選《2022年醫療行業網路安全報告》行業
- Python技術棧與Spark交叉資料分析雙向整合進階實戰–大資料ML樣本集案例實戰PythonSpark大資料
- Python技術棧與Spark交叉資料分析雙向整合進階實戰--大資料ML樣本集案例實戰PythonSpark大資料
- Python技術棧與Spark交叉資料分析雙向整合技術實戰--大資料ML樣本集案例實戰PythonSpark大資料
- 百億級日誌流分析實踐 | 剖析個推後效分析功能實現原理
- 醫療大資料Topic推薦-AMiner大資料
- 醫療資料安全實踐示範!美創科技案例入選IDC PeerScape報告
- 醫療機構臨床資料合規共享解決方案斬獲“金智獎”年度優秀方案獎
- 醫療行業郵件營銷案例分析行業
- vivo大資料日誌採集Agent設計實踐大資料
- Python | 資料分析實戰ⅠPython
- Python | 資料分析實戰 ⅡPython
- 大資料6.1 - 實時分析(storm和kafka)大資料ORMKafka
- 臨床醫生的實際痛點如何解,AI準備好了嗎?AI
- 《Hadoop+Spark大資料分析實戰》簡介HadoopSpark大資料
- ELK實時分析之php的laravel專案日誌PHPLaravel
- 基於雲原生的大資料實時分析方案實踐大資料
- 大資料時代來臨大資料
- 信用卡欺詐行為邏輯迴歸資料分析-大資料ML樣本集案例實戰邏輯迴歸大資料
- Flume 實現自己的實時日誌(2)
- linux-實現日誌分析--pythonLinuxPython
- 大資料醫療時代的人工智慧與隱私保護大資料人工智慧
- 資料分析 | Numpy實戰(一) - 分析某單車騎行時間