ဆိုက်စာရင်းအင်းနှင့် သင့်ကိုယ်ပိုင် သေးငယ်သော သိုလှောင်မှု

Webalizer နှင့် Google Analytics တို့သည် ဝဘ်ဆိုက်များပေါ်တွင် ဖြစ်ပျက်နေသည်များကို နှစ်ပေါင်းများစွာ ထိုးထွင်းသိမြင်နိုင်စေရန် ကူညီပေးခဲ့ပါသည်။ ယခုတော့ သူတို့သည် အလွန်အသုံးဝင်သော အချက်အလက်များကို ပေးဆောင်သည်ကို ကျွန်ုပ်နားလည်ပါသည်။ သင်၏ access.log ဖိုင်ကို ဝင်ရောက်ကြည့်ရှုခြင်းဖြင့်၊ စာရင်းဇယားများကို နားလည်ရန် အလွန်လွယ်ကူပြီး sqlite၊ html၊ sql ဘာသာစကားနှင့် မည်သည့် scripting programming language ကဲ့သို့သော အခြေခံကိရိယာများကိုမဆို အကောင်အထည်ဖော်ရန် အလွန်လွယ်ကူပါသည်။

Webalizer အတွက် ဒေတာအရင်းအမြစ်သည် ဆာဗာ၏ access.log ဖိုင်ဖြစ်သည်။ ဤအရာသည် ၎င်း၏ ဘားများနှင့် နံပါတ်များကဲ့သို့ဖြစ်ပြီး၊ ယာဉ်အသွားအလာစုစုပေါင်းပမာဏသာ ရှင်းလင်းပြတ်သားသည်-

Google Analytics ကဲ့သို့သော ကိရိယာများသည် တင်ထားသော စာမျက်နှာမှ ဒေတာများကို ၎င်းတို့ကိုယ်တိုင် စုဆောင်းပါသည်။ မှန်ကန်သော ကောက်ချက်ဆွဲရန် ခက်ခဲလေ့ရှိသည့်အပေါ် အခြေခံ၍ ၎င်းတို့သည် ကျွန်ုပ်တို့အား ပုံများနှင့် စာကြောင်းအချို့ကို ပြသပေးပါသည်။ ဒီထက်ပိုပြီး အားထုတ်သင့်သလား။ မသိဘူး။

ဒါကြောင့် ဝဘ်ဆိုက်လည်ပတ်သူစာရင်းဇယားမှာ ဘာကိုကြည့်ချင်တာလဲ။

အသုံးပြုသူနှင့် bot အသွားအလာ

မကြာခဏဆိုသလို ဆိုက်အသွားအလာကို ကန့်သတ်ထားပြီး အသုံးဝင်သော အသွားအလာကို မည်မျှအသုံးပြုနေသည်ကို ကြည့်ရှုရန် လိုအပ်ပါသည်။ ဥပမာ၊ ဤကဲ့သို့သော၊

SQL အစီရင်ခံစာမေးမြန်းမှု

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

ဂရပ်သည် ဘော့တ်များ၏ အဆက်မပြတ်လုပ်ဆောင်မှုကို ပြသသည်။ အတက်ကြွဆုံး ကိုယ်စားလှယ်တွေကို အသေးစိတ်လေ့လာဖို့ စိတ်ဝင်စားဖို့ကောင်းတယ်။

စိတ်အနှောက်အယှက်ဖြစ်စေသော ဘော့တ်များ

ကျွန်ုပ်တို့သည် သုံးစွဲသူအေးဂျင့်အချက်အလက်များအပေါ်အခြေခံ၍ ဘော့တ်များကို အမျိုးအစားခွဲခြားပါသည်။ နေ့စဉ်အသွားအလာဆိုင်ရာ စာရင်းဇယားများ၊ အောင်မြင်ပြီး မအောင်မြင်သော တောင်းဆိုမှုများ အရေအတွက်သည် bot လှုပ်ရှားမှုအတွက် ကောင်းမွန်သော အကြံဥာဏ်ကို ပေးပါသည်။

SQL အစီရင်ခံစာမေးမြန်းမှု

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

ဤကိစ္စတွင်၊ ခွဲခြမ်းစိတ်ဖြာမှု၏ရလဒ်မှာ ၎င်းကို robots.txt ဖိုင်တွင် ထည့်သွင်းခြင်းဖြင့် ဝဘ်ဆိုက်သို့ ဝင်ရောက်ခွင့်ကို ကန့်သတ်ရန် ဆုံးဖြတ်ချက်ဖြစ်သည်။

User-agent: AhrefsBot
Disallow: /
User-agent: dotbot
Disallow: /
User-agent: bingbot
Crawl-delay: 5
ပထမ bot နှစ်ခုသည် ဇယားမှ ပျောက်ကွယ်သွားခဲ့ပြီး MS စက်ရုပ်များသည် ပထမလိုင်းများမှ အောက်သို့ ရွေ့သွားခဲ့သည်။

နေ့နှင့်အချိန်

အသွားအလာ လမ်းကြောင်းများတွင် မြင်နိုင်သည်။ ၎င်းတို့ကို အသေးစိတ်လေ့လာရန်၊ ၎င်းတို့၏ ဖြစ်ပျက်မှုအချိန်ကို မီးမောင်းထိုးပြရန် လိုအပ်ပြီး အချိန်တိုင်းတာမှု၏ နာရီနှင့် ရက်အားလုံးကို ပြသရန် မလိုအပ်ပါ။ အသေးစိတ်ခွဲခြမ်းစိတ်ဖြာရန်လိုအပ်ပါက မှတ်တမ်းဖိုင်တွင် တစ်ဦးချင်းတောင်းဆိုမှုများကို ပိုမိုလွယ်ကူစွာရှာဖွေနိုင်မည်ဖြစ်သည်။

SQL အစီရင်ခံစာမေးမြန်းမှု

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

ဇယားတွင် ပထမဆုံးနေ့၏ အတက်ကြွဆုံး နာရီ 11၊ 14 နှင့် 20 ကို ကျွန်ုပ်တို့ စောင့်ကြည့်သည်။ ဒါပေမယ့် နောက်တစ်နေ့ 13:XNUMX မှာ bot တွေက active ဖြစ်နေပါတယ်။

တစ်ပတ်လျှင် ပျမ်းမျှ နေ့စဉ်အသုံးပြုသူ လုပ်ဆောင်ချက်

လှုပ်ရှားမှုနှင့် ယာဉ်ကြောအသွားအလာများဖြင့် အရာများကို စီစဥ်ထားသည်။ နောက်မေးခွန်းကတော့ သုံးစွဲသူတွေကိုယ်တိုင်ရဲ့ လုပ်ဆောင်ချက်ပါ။ ထိုကဲ့သို့သော စာရင်းဇယားများအတွက်၊ တစ်ပတ်ကဲ့သို့သော ရှည်လျားသော စုစည်းမှုကာလများသည် နှစ်လိုဖွယ်ကောင်းသည်။

SQL အစီရင်ခံစာမေးမြန်းမှု

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

အပတ်စဉ်စာရင်းဇယားများအရ ပျမ်းမျှအသုံးပြုသူတစ်ဦးသည် တစ်နေ့လျှင် စာမျက်နှာ 1,6 ဖွင့်သည်။ ဤကိစ္စတွင် အသုံးပြုသူတစ်ဦးလျှင် တောင်းဆိုထားသော ဖိုင်အရေအတွက်သည် ဝဘ်ဆိုက်သို့ ဖိုင်အသစ်များ ထပ်တိုးခြင်းအပေါ် မူတည်ပါသည်။

တောင်းဆိုချက်အားလုံးနှင့် ၎င်းတို့၏ အခြေအနေများ

Webalizer သည် တိကျသော စာမျက်နှာကုဒ်များကို အမြဲပြသခဲ့ပြီး အောင်မြင်သော တောင်းဆိုချက်များနှင့် အမှားအယွင်းအရေအတွက်ကိုသာ အမြဲမြင်ချင်ခဲ့သည်။

SQL အစီရင်ခံစာမေးမြန်းမှု

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

အစီရင်ခံစာသည် တောင်းဆိုမှုများကို ပြသသည်၊ ကလစ်များ ( hits ) မဟုတ်ဘဲ LINE_CNT နှင့်မတူဘဲ၊ REQUEST_CNT မက်ထရစ်ကို COUNT(DISTINCT STG.REQUEST_NK) အဖြစ် တွက်ချက်ပါသည်။ ရည်ရွယ်ချက်မှာ ထိရောက်သောဖြစ်ရပ်များကိုပြသရန်ဖြစ်သည်၊ ဥပမာ၊ MS bots များသည် တစ်နေ့လျှင် အကြိမ်ရာနှင့်ချီသော robots.txt ဖိုင်ကို စစ်တမ်းကောက်ယူပြီး ဤအခြေအနေတွင်၊ ထိုသို့သောစစ်တမ်းများကို တစ်ကြိမ်ရေတွက်မည်ဖြစ်သည်။ ၎င်းသည် သင့်အား ဂရပ်တွင် ခုန်ခြင်းများကို ချောမွေ့စေနိုင်သည်။

ဂရပ်ဖ်မှ အမှားအယွင်းများစွာကို သင်တွေ့နိုင်သည် - ၎င်းတို့သည် တည်ရှိခြင်းမရှိသော စာမျက်နှာများဖြစ်သည်။ ခွဲခြမ်းစိတ်ဖြာမှု၏ ရလဒ်မှာ အဝေးမှ စာမျက်နှာများမှ ပြန်ညွှန်းမှုများ ထပ်လောင်းခြင်း ဖြစ်သည်။

မကောင်းသောတောင်းဆိုမှုများ

တောင်းဆိုမှုများကို အသေးစိတ်စစ်ဆေးရန်၊ သင်သည် အသေးစိတ်စာရင်းအင်းများကို ပြသနိုင်ပါသည်။

SQL အစီရင်ခံစာမေးမြန်းမှု

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

ဤစာရင်းတွင် ခေါ်ဆိုမှုအားလုံးပါဝင်မည်ဖြစ်ပြီး၊ ဥပမာ၊ /wp-login.php သို့ တောင်းဆိုချက်တစ်ခု ဆာဗာမှ တောင်းဆိုချက်များကို ပြန်လည်ရေးသားခြင်းဆိုင်ရာ စည်းမျဉ်းများကို ချိန်ညှိခြင်းဖြင့်၊ သင်သည် ထိုတောင်းဆိုမှုများကို ဆာဗာ၏တုံ့ပြန်မှုကို ချိန်ညှိနိုင်ပြီး ၎င်းတို့ကို စတင်သည့်စာမျက်နှာသို့ ပေးပို့နိုင်ပါသည်။

ထို့ကြောင့်၊ ဆာဗာမှတ်တမ်းဖိုင်ကိုအခြေခံ၍ ရိုးရှင်းသောအစီရင်ခံစာအနည်းငယ်သည် ဝဘ်ဆိုက်ပေါ်တွင်ဖြစ်ပျက်နေသည့်အရာများကို အတော်လေးပြည့်စုံစေသည်။

သတင်းအချက်အလက် ဘယ်လိုရနိုင်မလဲ။

sqlite database က လုံလောက်ပါတယ်။ ဇယားများဖန်တီးကြပါစို့- ETL လုပ်ငန်းစဉ်များကို မှတ်တမ်းတင်ရန်အတွက် အရန်။

PHP ကို ​​အသုံးပြု၍ မှတ်တမ်းဖိုင်များ ရေးသားမည့် ဇယားအဆင့်။ စုစုပေါင်း စားပွဲနှစ်လုံး။ သုံးစွဲသူအေးဂျင့်များနှင့် တောင်းဆိုမှုအခြေအနေများဆိုင်ရာ စာရင်းဇယားများပါရှိသော နေ့စဉ်ဇယားတစ်ခုကို ဖန်တီးကြပါစို့။ တောင်းဆိုမှုများ၊ အခြေအနေအုပ်စုများနှင့် အေးဂျင့်များအတွက် စာရင်းဇယားများဖြင့် နာရီတိုင်း။ သက်ဆိုင်ရာတိုင်းတာမှုဇယား လေးခု။

ရလဒ်မှာ အောက်ပါ ဆက်စပ်ပုံစံဖြစ်သည်။

ဒေတာမော်ဒယ်

sqlite ဒေတာဘေ့စ်တွင် အရာဝတ္ထုတစ်ခုဖန်တီးရန် Script

DDL အရာဝတ္ထုဖန်တီးခြင်း။

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);

ဇာတ်ခုံ

access.log ဖိုင်ကိစ္စတွင်၊ တောင်းဆိုချက်အားလုံးကို ဒေတာဘေ့စ်သို့ ဖတ်ရန်၊ ခွဲခြမ်းစိပ်ဖြာပြီး ရေးသားရန် လိုအပ်သည်။ ၎င်းကို scripting language ဖြင့် တိုက်ရိုက် သို့မဟုတ် sqlite ကိရိယာများကို အသုံးပြု၍ သော်လည်းကောင်း လုပ်ဆောင်နိုင်သည်။

မှတ်တမ်းဖိုင်ဖော်မတ်-

//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
$log_pattern = '/^([^ ]+) ([^ ]+) ([^ ]+) ([[^]]+]) "(.*) (.*) (.*)" ([0-9-]+) ([0-9-]+) "(.*)" "(.*)"$/';

အဓိက ထွက်လာပါတယ်။

ဒေတာအကြမ်းသည် ဒေတာဘေ့စ်တွင် ရှိနေသောအခါ၊ တိုင်းတာခြင်းဇယားများတွင် မပါသောသော့များကို ရေးရန် လိုအပ်သည်။ ထို့နောက် တိုင်းတာမှုများကို ကိုးကား၍ တည်ဆောက်နိုင်မည်ဖြစ်သည်။ ဥပမာအားဖြင့်၊ DIM_REFERRER ဇယားတွင်၊ သော့သည် အကွက်သုံးခုပေါင်းစပ်ထားသည်။

SQL သော့ပြန့်ပွားမှုမေးခွန်း

/* 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

အသုံးပြုသူ အေးဂျင့်ဇယားသို့ ဖြန့်ဝေရာတွင် ဥပမာ sql အတိုအထွာ ဘော့ဂျစ် ပါဝင်နိုင်သည်-

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

ဇယားများစုစည်း

နောက်ဆုံးအနေဖြင့်၊ စုစည်းထားသော ဇယားများကို ကျွန်ုပ်တို့ တင်ပါမည်၊ ဥပမာ၊ နေ့စဉ်ဇယားကို အောက်ပါအတိုင်း တင်နိုင်သည်။

အစုလိုက်တင်ခြင်းအတွက် SQL query

/* 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 ဒေတာဘေ့စ်သည်သင့်အားရှုပ်ထွေးသောမေးခွန်းများကိုရေးသားရန်ခွင့်ပြုသည်။ WITH တွင် ဒေတာနှင့် သော့များ ပြင်ဆင်မှု ပါရှိသည်။ ပင်မမေးမြန်းချက်သည် အတိုင်းအတာများအတွက် အကိုးအကားအားလုံးကို စုဆောင်းသည်။

အခြေအနေသည် မှတ်တမ်းကို ထပ်မံတင်ရန် ခွင့်မပြုပါ- CAST(STG.EVENT_DT AS INTEGER) > $param_epoch_from၊ ကန့်သတ်ချက်သည် တောင်းဆိုချက်၏ရလဒ်ဖြစ်သည့်
'SELECT COALESCE(MAX(EVENT_DT), '3600') FCT_ACCESS_USER_AGENT_DD မှ LAST_EVENT_EPOCH အဖြစ်

အခြေအနေသည် တစ်နေကုန်သာ တင်ပေးပါမည်- CAST(STG.EVENT_DT AS INTEGER) < strftime('%s'၊ date('now'၊ 'start of day'))

စာမျက်နှာများ သို့မဟုတ် ဖိုင်များကို ရေတွက်ခြင်းသည် အမှတ်တစ်ခုကို ရှာဖွေခြင်းဖြင့် ရှေးဦးနည်းလမ်းဖြင့် လုပ်ဆောင်သည်။

အစီရင်ခံစာများ

ရှုပ်ထွေးသောအမြင်အာရုံစနစ်များတွင်၊ ဒေတာဘေ့စ်အရာဝတ္တုများအပေါ်အခြေခံ၍ မက်တာပုံစံတစ်ခုကို ဖန်တီးနိုင်ပြီး စစ်ထုတ်မှုများနှင့် စုစည်းမှုစည်းမျဉ်းများကို ဒိုင်နမစ်ကျကျစီမံခန့်ခွဲနိုင်သည်။ အဆုံးစွန်အားဖြင့်၊ သင့်လျော်သောကိရိယာများအားလုံးသည် SQL query တစ်ခုကိုထုတ်ပေးသည်။

ဤဥပမာတွင်၊ ကျွန်ုပ်တို့သည် အဆင်သင့်လုပ်ထားသော SQL မေးမြန်းမှုများကို ဖန်တီးပြီး ၎င်းတို့ကို ဒေတာဘေ့စ်တွင် ကြည့်ရှုမှုများအဖြစ် သိမ်းဆည်းပါမည် - ၎င်းတို့သည် အစီရင်ခံစာများဖြစ်သည်။

မြင်ကွင်း

Bluff- JavaScript တွင် လှပသောဂရပ်များကို ပုံဖော်ခြင်းကိရိယာတစ်ခုအဖြစ် အသုံးပြုခဲ့သည်။

ဒါကိုလုပ်ဖို့၊ PHP ကိုသုံးပြီး အစီရင်ခံစာတွေအားလုံးကို ဖြတ်ပြီး ဇယားတွေနဲ့ html ဖိုင်တစ်ခု ဖန်တီးဖို့ လိုအပ်တယ်။

$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'
);

ကိရိယာသည် ရလဒ်ဇယားများကို ရိုးရိုးရှင်းရှင်း မြင်သာစေသည်။

ကောက်ချက်

ဝဘ်ခွဲခြမ်းစိတ်ဖြာမှုကို နမူနာအဖြစ် အသုံးပြု၍ ဆောင်းပါးသည် ဒေတာသိုလှောင်ရုံများ တည်ဆောက်ရန် လိုအပ်သော ယန္တရားများကို ဖော်ပြသည်။ ရလဒ်များမှ မြင်တွေ့နိုင်သကဲ့သို့၊ အရိုးရှင်းဆုံး ကိရိယာများသည် ဒေတာကို နက်ရှိုင်းစွာ ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် မြင်သာမြင်သာခြင်းအတွက် လုံလောက်ပါသည်။

အနာဂတ်တွင်၊ ဤသိုလှောင်မှုအား နမူနာအဖြစ် အသုံးပြု၍ အတိုင်းအတာများ၊ မက်တာဒေတာ၊ စုစည်းမှုအဆင့်များနှင့် မတူညီသောအရင်းအမြစ်များမှ ဒေတာပေါင်းစည်းမှုစသည့် ဖြည်းဖြည်းချင်းပြောင်းလဲနေသော အတိုင်းအတာ၊ မက်တာဒေတာ၊ စုစည်းမှုအဆင့်များနှင့် ပေါင်းစပ်ဖွဲ့စည်းပုံများကို အကောင်အထည်ဖော်ရန် ကြိုးစားပါမည်။

ထို့အပြင်၊ ဇယားတစ်ခုတည်းပေါ်အခြေခံ၍ ETL လုပ်ငန်းစဉ်များကို စီမံခန့်ခွဲရန်အတွက် အရိုးရှင်းဆုံးကိရိယာကို အနီးကပ်လေ့လာကြည့်ကြပါစို့။

ဒေတာအရည်အသွေးကို တိုင်းတာခြင်းနှင့် ဤလုပ်ငန်းစဉ်ကို အလိုအလျောက်လုပ်ဆောင်ခြင်းဆိုင်ရာ ခေါင်းစဉ်သို့ ပြန်သွားကြပါစို့။

ကျွန်ုပ်တို့သည် Raspberry Pi ကိုအခြေခံ၍ အရင်းအမြစ်အနည်းငယ်သာရှိသော သိုလှောင်မှုဆာဗာကို အကောင်အထည်ဖော်မည့် နည်းပညာဆိုင်ရာပတ်ဝန်းကျင်နှင့် ဒေတာသိုလှောင်မှုထိန်းသိမ်းမှုဆိုင်ရာ ပြဿနာများကို လေ့လာပါမည်။

source: www.habr.com