સાઇટના આંકડા અને તમારું પોતાનું નાનું સ્ટોરેજ

વેબલાઈઝર અને ગૂગલ ઍનલિટિક્સે મને ઘણા વર્ષોથી વેબસાઇટ્સ પર શું થઈ રહ્યું છે તેની સમજ મેળવવામાં મદદ કરી છે. હવે હું સમજું છું કે તેઓ બહુ ઓછી ઉપયોગી માહિતી પ્રદાન કરે છે. તમારી access.log ફાઇલની ઍક્સેસ હોવાથી, આંકડાઓને સમજવા અને તદ્દન મૂળભૂત સાધનો, જેમ કે sqlite, html, sql ભાષા અને કોઈપણ સ્ક્રિપ્ટીંગ પ્રોગ્રામિંગ ભાષાને અમલમાં મૂકવાનું ખૂબ જ સરળ છે.

વેબલાઈઝર માટેનો ડેટા સ્ત્રોત સર્વરની access.log ફાઈલ છે. તેના બાર અને નંબરો આના જેવા દેખાય છે, જેમાંથી માત્ર ટ્રાફિકનું કુલ વોલ્યુમ સ્પષ્ટ છે:

ગૂગલ ઍનલિટિક્સ જેવા ટૂલ્સ લોડ કરેલા પેજમાંથી જ ડેટા એકત્રિત કરે છે. તેઓ અમને કેટલાક આકૃતિઓ અને રેખાઓ બતાવે છે, જેના આધારે સાચા તારણો કાઢવાનું ઘણીવાર મુશ્કેલ હોય છે. કદાચ વધુ પ્રયત્નો કરવા જોઈએ? ખબર નથી.

તેથી, હું વેબસાઇટ મુલાકાતીઓના આંકડામાં શું જોવા માંગુ છું?

વપરાશકર્તા અને બોટ ટ્રાફિક

ઘણી વખત સાઈટ ટ્રાફિક મર્યાદિત હોય છે અને કેટલા ઉપયોગી ટ્રાફિકનો ઉપયોગ થઈ રહ્યો છે તે જોવું જરૂરી છે. ઉદાહરણ તરીકે, આની જેમ:

SQL રિપોર્ટ ક્વેરી

SELECT
1 as 'StackedArea: Traffic generated by Users and Bots',
strftime('%d.%m', datetime(FCT.EVENT_DT, 'unixepoch')) AS 'Day',
SUM(CASE WHEN USG.AGENT_BOT!='n.a.' THEN FCT.BYTES ELSE 0 END)/1000 AS 'Bots, KB',
SUM(CASE WHEN USG.AGENT_BOT='n.a.' THEN FCT.BYTES ELSE 0 END)/1000 AS 'Users, KB'
FROM
  FCT_ACCESS_USER_AGENT_DD FCT,
  DIM_USER_AGENT USG
WHERE FCT.DIM_USER_AGENT_ID=USG.DIM_USER_AGENT_ID
  AND datetime(FCT.EVENT_DT, 'unixepoch') >= date('now', '-14 day')
GROUP BY strftime('%d.%m', datetime(FCT.EVENT_DT, 'unixepoch'))
ORDER BY FCT.EVENT_DT

આલેખ બૉટોની સતત પ્રવૃત્તિ બતાવે છે. સૌથી સક્રિય પ્રતિનિધિઓનો વિગતવાર અભ્યાસ કરવો રસપ્રદ રહેશે.

હેરાન કરનાર બૉટો

અમે વપરાશકર્તા એજન્ટની માહિતીના આધારે બૉટોનું વર્ગીકરણ કરીએ છીએ. દૈનિક ટ્રાફિક પરના વધારાના આંકડા, સફળ અને અસફળ વિનંતીઓની સંખ્યા બોટ પ્રવૃત્તિનો સારો ખ્યાલ આપે છે.

SQL રિપોર્ટ ક્વેરી

SELECT 
1 AS 'Table: Annoying Bots',
MAX(USG.AGENT_BOT) AS 'Bot',
ROUND(SUM(FCT.BYTES)/1000 / 14.0, 1) AS 'KB per Day',
ROUND(SUM(FCT.IP_CNT) / 14.0, 1) AS 'IPs per Day',
ROUND(SUM(CASE WHEN STS.STATUS_GROUP IN ('Client Error', 'Server Error') THEN FCT.REQUEST_CNT / 14.0 ELSE 0 END), 1) AS 'Error Requests per Day',
ROUND(SUM(CASE WHEN STS.STATUS_GROUP IN ('Successful', 'Redirection') THEN FCT.REQUEST_CNT / 14.0 ELSE 0 END), 1) AS 'Success Requests per Day',
USG.USER_AGENT_NK AS 'Agent'
FROM FCT_ACCESS_USER_AGENT_DD FCT,
     DIM_USER_AGENT USG,
     DIM_HTTP_STATUS STS
WHERE FCT.DIM_USER_AGENT_ID = USG.DIM_USER_AGENT_ID
  AND FCT.DIM_HTTP_STATUS_ID = STS.DIM_HTTP_STATUS_ID
  AND USG.AGENT_BOT != 'n.a.'
  AND datetime(FCT.EVENT_DT, 'unixepoch') >= date('now', '-14 day')
GROUP BY USG.USER_AGENT_NK
ORDER BY 3 DESC
LIMIT 10

આ કિસ્સામાં, વિશ્લેષણનું પરિણામ એ સાઇટની ઍક્સેસને robots.txt ફાઇલમાં ઉમેરીને પ્રતિબંધિત કરવાનો નિર્ણય હતો.

User-agent: AhrefsBot
Disallow: /
User-agent: dotbot
Disallow: /
User-agent: bingbot
Crawl-delay: 5
પ્રથમ બે બોટ્સ ટેબલમાંથી અદૃશ્ય થઈ ગયા, અને MS રોબોટ્સ પ્રથમ લીટીઓથી નીચે ખસી ગયા.

મહાન પ્રવૃત્તિનો દિવસ અને સમય

ટ્રાફિકમાં ઉછાળો જોવા મળી રહ્યો છે. તેમનો વિગતવાર અભ્યાસ કરવા માટે, તેમની ઘટનાના સમયને પ્રકાશિત કરવો જરૂરી છે, અને સમય માપનના તમામ કલાકો અને દિવસો દર્શાવવા જરૂરી નથી. જો વિગતવાર વિશ્લેષણની જરૂર હોય તો આ લોગ ફાઇલમાં વ્યક્તિગત વિનંતીઓ શોધવાનું સરળ બનાવશે.

SQL રિપોર્ટ ક્વેરી

SELECT
1 AS 'Line: Day and Hour of Hits from Users and Bots',
strftime('%d.%m-%H', datetime(EVENT_DT, 'unixepoch')) AS 'Date Time',
HIB AS 'Bots, Hits',
HIU AS 'Users, Hits'
FROM (
	SELECT
	EVENT_DT,
	SUM(CASE WHEN AGENT_BOT!='n.a.' THEN LINE_CNT ELSE 0 END) AS HIB,
	SUM(CASE WHEN AGENT_BOT='n.a.' THEN LINE_CNT ELSE 0 END) AS HIU
	FROM FCT_ACCESS_REQUEST_REF_HH
	WHERE datetime(EVENT_DT, 'unixepoch') >= date('now', '-14 day')
	GROUP BY EVENT_DT
	ORDER BY SUM(LINE_CNT) DESC
	LIMIT 10
) ORDER BY EVENT_DT

અમે ચાર્ટ પર પ્રથમ દિવસના સૌથી વધુ સક્રિય કલાકો 11, 14 અને 20 અવલોકન કરીએ છીએ. પરંતુ બીજા દિવસે 13:XNUMX વાગ્યે બૉટો સક્રિય હતા.

સપ્તાહ દ્વારા સરેરાશ દૈનિક વપરાશકર્તા પ્રવૃત્તિ

અમે પ્રવૃત્તિ અને ટ્રાફિક સાથે થોડી વસ્તુઓ ગોઠવી. આગળનો પ્રશ્ન વપરાશકર્તાઓની પોતાની પ્રવૃત્તિનો હતો. આવા આંકડાઓ માટે, લાંબા એકત્રીકરણ સમયગાળા, જેમ કે એક અઠવાડિયા, ઇચ્છનીય છે.

SQL રિપોર્ટ ક્વેરી

SELECT
1 as 'Line: Average Daily User Activity by Week',
strftime('%W week', datetime(FCT.EVENT_DT, 'unixepoch')) AS 'Week',
ROUND(1.0*SUM(FCT.PAGE_CNT)/SUM(FCT.IP_CNT),1) AS 'Pages per IP per Day',
ROUND(1.0*SUM(FCT.FILE_CNT)/SUM(FCT.IP_CNT),1) AS 'Files per IP per Day'
FROM
  FCT_ACCESS_USER_AGENT_DD FCT,
  DIM_USER_AGENT USG,
  DIM_HTTP_STATUS HST
WHERE FCT.DIM_USER_AGENT_ID=USG.DIM_USER_AGENT_ID
  AND FCT.DIM_HTTP_STATUS_ID = HST.DIM_HTTP_STATUS_ID
  AND USG.AGENT_BOT='n.a.' /* users only */
  AND HST.STATUS_GROUP IN ('Successful') /* good pages */
  AND datetime(FCT.EVENT_DT, 'unixepoch') > date('now', '-3 month')
GROUP BY strftime('%W week', datetime(FCT.EVENT_DT, 'unixepoch'))
ORDER BY FCT.EVENT_DT

સાપ્તાહિક આંકડા દર્શાવે છે કે સરેરાશ એક વપરાશકર્તા દરરોજ 1,6 પૃષ્ઠો ખોલે છે. આ કિસ્સામાં વપરાશકર્તા દીઠ વિનંતી કરેલી ફાઇલોની સંખ્યા સાઇટ પર નવી ફાઇલોના ઉમેરા પર આધારિત છે.

બધી વિનંતીઓ અને તેમની સ્થિતિ

વેબલાઈઝર હંમેશા ચોક્કસ પેજ કોડ્સ દર્શાવે છે અને હું હંમેશા માત્ર સફળ વિનંતીઓ અને ભૂલોની સંખ્યા જોવા માંગતો હતો.

SQL રિપોર્ટ ક્વેરી

SELECT
1 as 'Line: All Requests by Status',
strftime('%d.%m', datetime(FCT.EVENT_DT, 'unixepoch')) AS 'Day',
SUM(CASE WHEN STS.STATUS_GROUP='Successful' THEN FCT.REQUEST_CNT ELSE 0 END) AS 'Success',
SUM(CASE WHEN STS.STATUS_GROUP='Redirection' THEN FCT.REQUEST_CNT ELSE 0 END) AS 'Redirect',
SUM(CASE WHEN STS.STATUS_GROUP='Client Error' THEN FCT.REQUEST_CNT ELSE 0 END) AS 'Customer Error',
SUM(CASE WHEN STS.STATUS_GROUP='Server Error' THEN FCT.REQUEST_CNT ELSE 0 END) AS 'Server Error'
FROM
  FCT_ACCESS_USER_AGENT_DD FCT,
  DIM_HTTP_STATUS STS
WHERE FCT.DIM_HTTP_STATUS_ID=STS.DIM_HTTP_STATUS_ID
  AND datetime(FCT.EVENT_DT, 'unixepoch') >= date('now', '-14 day')
GROUP BY strftime('%d.%m', datetime(FCT.EVENT_DT, 'unixepoch'))
ORDER BY FCT.EVENT_DT

રિપોર્ટ વિનંતીઓ દર્શાવે છે, ક્લિક્સ (હિટ) નહીં, LINE_CNTથી વિપરીત, REQUEST_CNT મેટ્રિકની ગણતરી COUNT(DISTINCT STG.REQUEST_NK) તરીકે કરવામાં આવે છે. ધ્યેય અસરકારક ઇવેન્ટ્સ બતાવવાનો છે, ઉદાહરણ તરીકે, MS બોટ્સ દિવસમાં સેંકડો વખત robots.txt ફાઇલનું મતદાન કરે છે અને આ કિસ્સામાં, આવા મતદાનની ગણતરી એકવાર કરવામાં આવશે. આ તમને ગ્રાફમાં કૂદકાને સરળ બનાવવા માટે પરવાનગી આપે છે.

ગ્રાફમાંથી તમે ઘણી ભૂલો જોઈ શકો છો - આ અસ્તિત્વમાં નથી તેવા પૃષ્ઠો છે. વિશ્લેષણનું પરિણામ દૂરસ્થ પૃષ્ઠોમાંથી રીડાયરેક્ટનો ઉમેરો હતો.

ખરાબ વિનંતીઓ

વિનંતીઓની વિગતવાર તપાસ કરવા માટે, તમે વિગતવાર આંકડા પ્રદર્શિત કરી શકો છો.

SQL રિપોર્ટ ક્વેરી

SELECT
  1 AS 'Table: Top Error Requests',
  REQ.REQUEST_NK AS 'Request',
  'Error' AS 'Request Status',
  ROUND(SUM(FCT.LINE_CNT) / 14.0, 1) AS 'Hits per Day',
  ROUND(SUM(FCT.IP_CNT) / 14.0, 1) AS 'IPs per Day',
  ROUND(SUM(FCT.BYTES)/1000 / 14.0, 1) AS 'KB per Day'
FROM
  FCT_ACCESS_REQUEST_REF_HH FCT,
  DIM_REQUEST_V_ACT REQ
WHERE FCT.DIM_REQUEST_ID = REQ.DIM_REQUEST_ID
  AND FCT.STATUS_GROUP IN ('Client Error', 'Server Error')
  AND datetime(FCT.EVENT_DT, 'unixepoch') >= date('now', '-14 day')
GROUP BY REQ.REQUEST_NK
ORDER BY 4 DESC
LIMIT 20

આ સૂચિમાં તમામ કૉલ્સ પણ હશે, ઉદાહરણ તરીકે, /wp-login.php ને વિનંતી સર્વર દ્વારા ફરીથી લખવાની વિનંતીઓ માટેના નિયમોને સમાયોજિત કરીને, તમે આવી વિનંતીઓ પર સર્વરની પ્રતિક્રિયાને સમાયોજિત કરી શકો છો અને તેમને પ્રારંભ પૃષ્ઠ પર મોકલી શકો છો.

તેથી, સર્વર લોગ ફાઇલ પર આધારિત થોડા સરળ અહેવાલો સાઇટ પર શું થઈ રહ્યું છે તેનું એકદમ સંપૂર્ણ ચિત્ર આપે છે.

માહિતી કેવી રીતે મેળવવી?

એક sqlite ડેટાબેઝ પર્યાપ્ત છે. ચાલો કોષ્ટકો બનાવીએ: ETL પ્રક્રિયાઓને લોગ કરવા માટે સહાયક.

ટેબલ સ્ટેજ જ્યાં આપણે PHP નો ઉપયોગ કરીને લોગ ફાઇલો લખીશું. બે એકંદર કોષ્ટકો. ચાલો યુઝર એજન્ટ્સ અને રિક્વેસ્ટ સ્ટેટસ પરના આંકડાઓ સાથે દૈનિક કોષ્ટક બનાવીએ. વિનંતીઓ, સ્થિતિ જૂથો અને એજન્ટો પરના આંકડા સાથે કલાકદીઠ. સંબંધિત માપના ચાર કોષ્ટકો.

પરિણામ નીચેનું રિલેશનલ મોડલ છે:

ડેટા મોડેલ

sqlite ડેટાબેઝમાં ઑબ્જેક્ટ બનાવવા માટે સ્ક્રિપ્ટ:

DDL ઑબ્જેક્ટ બનાવટ

DROP TABLE IF EXISTS DIM_USER_AGENT;
CREATE TABLE DIM_USER_AGENT (
  DIM_USER_AGENT_ID INTEGER NOT NULL PRIMARY KEY AUTOINCREMENT,
  USER_AGENT_NK     TEXT NOT NULL DEFAULT 'n.a.',
  AGENT_OS          TEXT NOT NULL DEFAULT 'n.a.',
  AGENT_ENGINE      TEXT NOT NULL DEFAULT 'n.a.',
  AGENT_DEVICE      TEXT NOT NULL DEFAULT 'n.a.',
  AGENT_BOT         TEXT NOT NULL DEFAULT 'n.a.',
  UPDATE_DT         INTEGER NOT NULL DEFAULT 0,
  UNIQUE (USER_AGENT_NK)
);
INSERT INTO DIM_USER_AGENT (DIM_USER_AGENT_ID) VALUES (-1);

સ્ટેજ

access.log ફાઇલના કિસ્સામાં, ડેટાબેઝમાં બધી વિનંતીઓ વાંચવી, પાર્સ કરવી અને લખવી જરૂરી છે. આ કાં તો સીધી સ્ક્રિપ્ટીંગ ભાષાનો ઉપયોગ કરીને અથવા sqlite ટૂલ્સનો ઉપયોગ કરીને કરી શકાય છે.

લોગ ફાઇલ ફોર્મેટ:

//67.221.59.195 - - [28/Dec/2012:01:47:47 +0100] "GET /files/default.css HTTP/1.1" 200 1512 "https://project.edu/" "Mozilla/4.0"
//host ident auth time method request_nk protocol status bytes ref browser
$log_pattern = '/^([^ ]+) ([^ ]+) ([^ ]+) ([[^]]+]) "(.*) (.*) (.*)" ([0-9-]+) ([0-9-]+) "(.*)" "(.*)"$/';

કી પ્રચાર

જ્યારે કાચો ડેટા ડેટાબેઝમાં હોય, ત્યારે તમારે માપન કોષ્ટકોમાં ન હોય તેવી કી લખવાની જરૂર છે. પછી માપનો સંદર્ભ બનાવવાનું શક્ય બનશે. ઉદાહરણ તરીકે, DIM_REFERRER કોષ્ટકમાં, કી એ ત્રણ ક્ષેત્રોનું સંયોજન છે.

SQL કી પ્રચાર ક્વેરી

/* Propagate the referrer from access log */
INSERT INTO DIM_REFERRER (HOST_NK, PATH_NK, QUERY_NK, UPDATE_DT)
SELECT
	CLS.HOST_NK,
	CLS.PATH_NK,
	CLS.QUERY_NK,
	STRFTIME('%s','now') AS UPDATE_DT
FROM (
	SELECT DISTINCT
	REFERRER_HOST AS HOST_NK,
	REFERRER_PATH AS PATH_NK,
	CASE WHEN INSTR(REFERRER_QUERY,'&sid')>0 THEN SUBSTR(REFERRER_QUERY, 1, INSTR(REFERRER_QUERY,'&sid')-1) /* отрезаем sid - специфика цмс */
	ELSE REFERRER_QUERY END AS QUERY_NK
	FROM STG_ACCESS_LOG
) CLS
LEFT OUTER JOIN DIM_REFERRER TRG
ON (CLS.HOST_NK = TRG.HOST_NK AND CLS.PATH_NK = TRG.PATH_NK AND CLS.QUERY_NK = TRG.QUERY_NK)
WHERE TRG.DIM_REFERRER_ID IS NULL

વપરાશકર્તા એજન્ટ કોષ્ટકમાં પ્રચારમાં બોટ તર્ક શામેલ હોઈ શકે છે, ઉદાહરણ તરીકે sql સ્નિપેટ:

CASE
WHEN INSTR(LOWER(CLS.BROWSER),'yandex.com')>0
	THEN 'yandex'
WHEN INSTR(LOWER(CLS.BROWSER),'googlebot')>0
	THEN 'google'
WHEN INSTR(LOWER(CLS.BROWSER),'bingbot')>0
	THEN 'microsoft'
WHEN INSTR(LOWER(CLS.BROWSER),'ahrefsbot')>0
	THEN 'ahrefs'
WHEN INSTR(LOWER(CLS.BROWSER),'mj12bot')>0
	THEN 'majestic-12'
WHEN INSTR(LOWER(CLS.BROWSER),'compatible')>0 OR INSTR(LOWER(CLS.BROWSER),'http')>0
	OR INSTR(LOWER(CLS.BROWSER),'libwww')>0 OR INSTR(LOWER(CLS.BROWSER),'spider')>0
	OR INSTR(LOWER(CLS.BROWSER),'java')>0 OR INSTR(LOWER(CLS.BROWSER),'python')>0
	OR INSTR(LOWER(CLS.BROWSER),'robot')>0 OR INSTR(LOWER(CLS.BROWSER),'curl')>0
	OR INSTR(LOWER(CLS.BROWSER),'wget')>0
	THEN 'other'
ELSE 'n.a.' END AS AGENT_BOT

એકંદર કોષ્ટકો

છેલ્લે, અમે એકંદર કોષ્ટકો લોડ કરીશું; ઉદાહરણ તરીકે, દૈનિક કોષ્ટક નીચે પ્રમાણે લોડ કરી શકાય છે:

એકંદર લોડ કરવા માટે SQL ક્વેરી

/* Load fact from access log */
INSERT INTO FCT_ACCESS_USER_AGENT_DD (EVENT_DT, DIM_USER_AGENT_ID, DIM_HTTP_STATUS_ID, PAGE_CNT, FILE_CNT, REQUEST_CNT, LINE_CNT, IP_CNT, BYTES)
WITH STG AS (
SELECT
	STRFTIME( '%s', SUBSTR(TIME_NK,9,4) || '-' ||
	CASE SUBSTR(TIME_NK,5,3)
	WHEN 'Jan' THEN '01' WHEN 'Feb' THEN '02' WHEN 'Mar' THEN '03' WHEN 'Apr' THEN '04' WHEN 'May' THEN '05' WHEN 'Jun' THEN '06'
	WHEN 'Jul' THEN '07' WHEN 'Aug' THEN '08' WHEN 'Sep' THEN '09' WHEN 'Oct' THEN '10' WHEN 'Nov' THEN '11'
	ELSE '12' END || '-' || SUBSTR(TIME_NK,2,2) || ' 00:00:00' ) AS EVENT_DT,
	BROWSER AS USER_AGENT_NK,
	REQUEST_NK,
	IP_NR,
	STATUS,
	LINE_NK,
	BYTES
FROM STG_ACCESS_LOG
)
SELECT
	CAST(STG.EVENT_DT AS INTEGER) AS EVENT_DT,
	USG.DIM_USER_AGENT_ID,
	HST.DIM_HTTP_STATUS_ID,
	COUNT(DISTINCT (CASE WHEN INSTR(STG.REQUEST_NK,'.')=0 THEN STG.REQUEST_NK END) ) AS PAGE_CNT,
	COUNT(DISTINCT (CASE WHEN INSTR(STG.REQUEST_NK,'.')>0 THEN STG.REQUEST_NK END) ) AS FILE_CNT,
	COUNT(DISTINCT STG.REQUEST_NK) AS REQUEST_CNT,
	COUNT(DISTINCT STG.LINE_NK) AS LINE_CNT,
	COUNT(DISTINCT STG.IP_NR) AS IP_CNT,
	SUM(BYTES) AS BYTES
FROM STG,
	DIM_HTTP_STATUS HST,
	DIM_USER_AGENT USG
WHERE STG.STATUS = HST.STATUS_NK
  AND STG.USER_AGENT_NK = USG.USER_AGENT_NK
  AND CAST(STG.EVENT_DT AS INTEGER) > $param_epoch_from /* load epoch date */
  AND CAST(STG.EVENT_DT AS INTEGER) < strftime('%s', date('now', 'start of day'))
GROUP BY STG.EVENT_DT, HST.DIM_HTTP_STATUS_ID, USG.DIM_USER_AGENT_ID

sqlite ડેટાબેઝ તમને જટિલ પ્રશ્નો લખવા માટે પરવાનગી આપે છે. WITH માં ડેટા અને કીની તૈયારીનો સમાવેશ થાય છે. મુખ્ય ક્વેરી પરિમાણોના તમામ સંદર્ભો એકત્રિત કરે છે.

શરત ઇતિહાસને ફરીથી લોડ કરવાની મંજૂરી આપશે નહીં: CAST(STG.EVENT_DT AS INTEGEER) > $param_epoch_from, જ્યાં પેરામીટર વિનંતીનું પરિણામ છે
FCT_ACCESS_USER_AGENT_DDમાંથી 'LAST_EVENT_EPOCH તરીકે COALESCE(MAX(EVENT_DT), '3600') પસંદ કરો'

શરત ફક્ત આખો દિવસ લોડ થશે: CAST(STG.EVENT_DT પૂર્ણાંક તરીકે) < strftime('%s', તારીખ('હવે', 'દિવસની શરૂઆત'))

પૃષ્ઠો અથવા ફાઇલોની ગણતરી આદિમ રીતે કરવામાં આવે છે, બિંદુની શોધ કરીને.

અહેવાલો

જટિલ વિઝ્યુલાઇઝેશન સિસ્ટમ્સમાં, ડેટાબેઝ ઑબ્જેક્ટ્સ પર આધારિત મેટા-મોડલ બનાવવું, ફિલ્ટર્સ અને એકત્રીકરણ નિયમોને ગતિશીલ રીતે સંચાલિત કરવું શક્ય છે. આખરે, બધા યોગ્ય સાધનો SQL ક્વેરી જનરેટ કરે છે.

આ ઉદાહરણમાં, અમે તૈયાર એસક્યુએલ ક્વેરી બનાવીશું અને તેમને ડેટાબેઝમાં વ્યુ તરીકે સાચવીશું - આ રિપોર્ટ્સ છે.

વિઝ્યુલાઇઝેશન

બ્લફ: જાવાસ્ક્રિપ્ટમાં સુંદર ગ્રાફનો ઉપયોગ વિઝ્યુલાઇઝેશન ટૂલ તરીકે થતો હતો

આ કરવા માટે, PHP નો ઉપયોગ કરીને તમામ રિપોર્ટ્સમાંથી પસાર થવું અને કોષ્ટકો સાથે html ફાઇલ જનરેટ કરવી જરૂરી હતી.

$sqls = array(
'SELECT * FROM RPT_ACCESS_USER_VS_BOT',
'SELECT * FROM RPT_ACCESS_ANNOYING_BOT',
'SELECT * FROM RPT_ACCESS_TOP_HOUR_HIT',
'SELECT * FROM RPT_ACCESS_USER_ACTIVE',
'SELECT * FROM RPT_ACCESS_REQUEST_STATUS',
'SELECT * FROM RPT_ACCESS_TOP_REQUEST_PAGE',
'SELECT * FROM RPT_ACCESS_TOP_REQUEST_REFERRER',
'SELECT * FROM RPT_ACCESS_NEW_REQUEST',
'SELECT * FROM RPT_ACCESS_TOP_REQUEST_SUCCESS',
'SELECT * FROM RPT_ACCESS_TOP_REQUEST_ERROR'
);

સાધન ફક્ત પરિણામોના કોષ્ટકોની કલ્પના કરે છે.

નિષ્કર્ષ

ઉદાહરણ તરીકે વેબ વિશ્લેષણનો ઉપયોગ કરીને, લેખ ડેટા વેરહાઉસ બનાવવા માટે જરૂરી મિકેનિઝમ્સનું વર્ણન કરે છે. પરિણામો પરથી જોઈ શકાય છે તેમ, ડેટાના ઊંડા વિશ્લેષણ અને વિઝ્યુલાઇઝેશન માટે સૌથી સરળ સાધનો પર્યાપ્ત છે.

ભવિષ્યમાં, ઉદાહરણ તરીકે આ ભંડારનો ઉપયોગ કરીને, અમે ધીમે ધીમે બદલાતા પરિમાણો, મેટાડેટા, એકત્રીકરણ સ્તરો અને વિવિધ સ્રોતોમાંથી ડેટાના એકીકરણ જેવા માળખાને અમલમાં મૂકવાનો પ્રયાસ કરીશું.

ઉપરાંત, ચાલો એક ટેબલ પર આધારિત ETL પ્રક્રિયાઓનું સંચાલન કરવા માટેના સૌથી સરળ સાધન પર નજીકથી નજર કરીએ.

ચાલો ડેટાની ગુણવત્તાને માપવા અને આ પ્રક્રિયાને સ્વચાલિત કરવાના વિષય પર પાછા ફરીએ.

અમે તકનીકી વાતાવરણ અને ડેટા સ્ટોરેજની જાળવણીની સમસ્યાઓનો અભ્યાસ કરીશું, જેના માટે અમે ન્યૂનતમ સંસાધનો સાથે સ્ટોરેજ સર્વરને અમલમાં મૂકીશું, ઉદાહરણ તરીકે, રાસ્પબેરી પી પર આધારિત.

સોર્સ: www.habr.com