Webalizer மற்றும் Google Analytics பல ஆண்டுகளாக இணையதளங்களில் என்ன நடக்கிறது என்பதைப் பற்றிய நுண்ணறிவைப் பெற எனக்கு உதவியது. அவை மிகக் குறைவான பயனுள்ள தகவல்களை வழங்குகின்றன என்பதை இப்போது நான் உணர்கிறேன். உங்கள் access.log கோப்பிற்கான அணுகல் இருப்பதால், புள்ளிவிவரங்களைப் புரிந்துகொள்வது மற்றும் sqlite, html, sql மொழி மற்றும் எந்த ஸ்கிரிப்டிங் நிரலாக்க மொழி போன்ற அடிப்படைக் கருவிகளைச் செயல்படுத்துவதும் மிகவும் எளிதானது.
Webalizer க்கான தரவு மூலமானது சேவையகத்தின் access.log கோப்பு ஆகும். அதன் பார்கள் மற்றும் எண்கள் இப்படித்தான் இருக்கும், இதிலிருந்து மொத்த போக்குவரத்தின் அளவு மட்டுமே தெளிவாக உள்ளது:
Google Analytics போன்ற கருவிகள் ஏற்றப்பட்ட பக்கத்திலிருந்தே தரவைச் சேகரிக்கின்றன. அவை இரண்டு வரைபடங்கள் மற்றும் கோடுகளைக் காட்டுகின்றன, அதன் அடிப்படையில் சரியான முடிவுகளை எடுப்பது பெரும்பாலும் கடினம். ஒருவேளை அதிக முயற்சி செய்திருக்க வேண்டுமா? தெரியாது.
எனவே, இணையதள பார்வையாளர் புள்ளிவிவரங்களில் நான் என்ன பார்க்க விரும்பினேன்?
பயனர் மற்றும் போட் போக்குவரத்து
பெரும்பாலும் தள போக்குவரத்து குறைவாகவே உள்ளது மற்றும் எவ்வளவு பயனுள்ள போக்குவரத்து பயன்படுத்தப்படுகிறது என்பதைப் பார்க்க வேண்டும். உதாரணமாக, இது போன்றது:
SQL அறிக்கை வினவல்
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_DTபோட்களின் நிலையான செயல்பாட்டை வரைபடம் காட்டுகிறது. மிகவும் சுறுசுறுப்பான பிரதிநிதிகளை விரிவாகப் படிப்பது சுவாரஸ்யமாக இருக்கும்.
எரிச்சலூட்டும் போட்கள்
பயனர் முகவர் தகவலின் அடிப்படையில் போட்களை வகைப்படுத்துகிறோம். தினசரி ட்ராஃபிக் பற்றிய கூடுதல் புள்ளிவிவரங்கள், வெற்றிகரமான மற்றும் தோல்வியுற்ற கோரிக்கைகளின் எண்ணிக்கை ஆகியவை போட் செயல்பாட்டைப் பற்றிய நல்ல யோசனையைத் தருகின்றன.
SQL அறிக்கை வினவல்
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 10இந்த வழக்கில், பகுப்பாய்வு முடிவு robots.txt கோப்பில் சேர்ப்பதன் மூலம் தளத்திற்கான அணுகலைக் கட்டுப்படுத்தும் முடிவாகும்.
User-agent: AhrefsBot
Disallow: /
User-agent: dotbot
Disallow: /
User-agent: bingbot
Crawl-delay: 5
முதல் இரண்டு போட்கள் மேசையிலிருந்து மறைந்துவிட்டன, மேலும் MS ரோபோக்கள் முதல் வரிகளிலிருந்து கீழே நகர்ந்தன.
சிறந்த செயல்பாட்டின் நாள் மற்றும் நேரம்
போக்குவரத்து நெரிசலில் ஏற்ற இறக்கங்கள் தெரியும். அவற்றை விரிவாகப் படிக்க, அவை நிகழும் நேரத்தை முன்னிலைப்படுத்துவது அவசியம், மேலும் நேர அளவீட்டின் அனைத்து மணிநேரங்களையும் நாட்களையும் காட்ட வேண்டிய அவசியமில்லை. விரிவான பகுப்பாய்வு தேவைப்பட்டால், பதிவுக் கோப்பில் தனிப்பட்ட கோரிக்கைகளைக் கண்டறிவதை இது எளிதாக்கும்.
SQL அறிக்கை வினவல்
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_DTமுதல் நாளின் 11, 14 மற்றும் 20 ஆகிய மணிநேரங்களை அட்டவணையில் நாங்கள் கவனிக்கிறோம். ஆனால் அடுத்த நாள் 13:XNUMX மணிக்கு போட்கள் செயலில் இருந்தன.
வாரத்தின் சராசரி தினசரி பயனர் செயல்பாடு
செயல்பாடு மற்றும் ட்ராஃபிக் மூலம் விஷயங்களை கொஞ்சம் வரிசைப்படுத்தினோம். அடுத்த கேள்வி பயனர்களின் செயல்பாடு. அத்தகைய புள்ளிவிவரங்களுக்கு, ஒரு வாரம் போன்ற நீண்ட திரட்டல் காலங்கள் விரும்பத்தக்கவை.
SQL அறிக்கை வினவல்
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_DTசராசரியாக ஒரு பயனர் ஒரு நாளைக்கு 1,6 பக்கங்களைத் திறக்கிறார் என்று வாராந்திர புள்ளிவிவரங்கள் காட்டுகின்றன. இந்த வழக்கில் ஒரு பயனருக்கு கோரப்பட்ட கோப்புகளின் எண்ணிக்கை தளத்தில் புதிய கோப்புகளைச் சேர்ப்பதைப் பொறுத்தது.
அனைத்து கோரிக்கைகளும் அவற்றின் நிலைகளும்
Webalizer எப்போதும் குறிப்பிட்ட பக்கக் குறியீடுகளைக் காட்டியது மற்றும் வெற்றிகரமான கோரிக்கைகள் மற்றும் பிழைகளின் எண்ணிக்கையை மட்டுமே பார்க்க விரும்புகிறேன்.
SQL அறிக்கை வினவல்
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_DTஅறிக்கையானது கோரிக்கைகளைக் காட்டுகிறது, கிளிக்குகள் (வெற்றிகள்) அல்ல, LINE_CNT போலல்லாமல், REQUEST_CNT மெட்ரிக் COUNT(DISTINCT STG.REQUEST_NK) ஆகக் கணக்கிடப்படுகிறது. பயனுள்ள நிகழ்வுகளைக் காண்பிப்பதே இலக்காகும், எடுத்துக்காட்டாக, MS bots robots.txt கோப்பை ஒரு நாளைக்கு நூற்றுக்கணக்கான முறை வாக்களிக்கின்றன, இந்த நிலையில், அத்தகைய கருத்துக்கணிப்புகள் ஒரு முறை எண்ணப்படும். வரைபடத்தில் தாவல்களை மென்மையாக்க இது உங்களை அனுமதிக்கிறது.
வரைபடத்திலிருந்து நீங்கள் பல பிழைகளைக் காணலாம் - இவை இல்லாத பக்கங்கள். பகுப்பாய்வின் விளைவாக தொலைநிலைப் பக்கங்களிலிருந்து வழிமாற்றுகளைச் சேர்த்தது.
மோசமான கோரிக்கைகள்
கோரிக்கைகளை விரிவாக ஆராய, விரிவான புள்ளிவிவரங்களைக் காட்டலாம்.
SQL அறிக்கை வினவல்
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 20இந்த பட்டியலில் அனைத்து அழைப்புகளும் இருக்கும், எடுத்துக்காட்டாக, /wp-login.php க்கான கோரிக்கை சேவையகத்தால் கோரிக்கைகளை மீண்டும் எழுதுவதற்கான விதிகளை சரிசெய்வதன் மூலம், அத்தகைய கோரிக்கைகளுக்கு சேவையகத்தின் எதிர்வினையை நீங்கள் சரிசெய்து அவற்றை தொடக்கப் பக்கத்திற்கு அனுப்பலாம்.
எனவே, சர்வர் பதிவு கோப்பின் அடிப்படையில் சில எளிய அறிக்கைகள் தளத்தில் என்ன நடக்கிறது என்பது பற்றிய முழுமையான படத்தை கொடுக்கிறது.
தகவல் பெறுவது எப்படி?
ஒரு sqlite தரவுத்தளம் போதுமானது. அட்டவணைகளை உருவாக்குவோம்: ETL செயல்முறைகளை பதிவு செய்வதற்கான துணை.
PHP ஐப் பயன்படுத்தி பதிவுக் கோப்புகளை எழுதும் அட்டவணை நிலை. இரண்டு மொத்த அட்டவணைகள். பயனர் முகவர்கள் மற்றும் கோரிக்கை நிலைகள் பற்றிய புள்ளிவிவரங்களுடன் தினசரி அட்டவணையை உருவாக்குவோம். கோரிக்கைகள், நிலை குழுக்கள் மற்றும் முகவர்கள் பற்றிய புள்ளிவிவரங்களுடன் மணிநேரம். தொடர்புடைய அளவீடுகளின் நான்கு அட்டவணைகள்.
இதன் விளைவாக பின்வரும் தொடர்புடைய மாதிரி:
தரவு மாதிரி
sqlite தரவுத்தளத்தில் ஒரு பொருளை உருவாக்க ஸ்கிரிப்ட்:
DDL பொருள் உருவாக்கம்
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);மேடை
Access.log கோப்பின் விஷயத்தில், தரவுத்தளத்தில் அனைத்து கோரிக்கைகளையும் படிக்க, அலச மற்றும் எழுத வேண்டியது அவசியம். இதை நேரடியாக ஸ்கிரிப்டிங் மொழியைப் பயன்படுத்தியோ அல்லது sqlite கருவிகளைப் பயன்படுத்தியோ செய்யலாம்.
பதிவு கோப்பு வடிவம்:
//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
$log_pattern = '/^([^ ]+) ([^ ]+) ([^ ]+) ([[^]]+]) "(.*) (.*) (.*)" ([0-9-]+) ([0-9-]+) "(.*)" "(.*)"$/';
முக்கிய பரப்புதல்
மூல தரவு தரவுத்தளத்தில் இருக்கும் போது, அளவீட்டு அட்டவணையில் இல்லாத விசைகளை நீங்கள் எழுத வேண்டும். பின்னர் அளவீடுகளுக்கு ஒரு குறிப்பை உருவாக்க முடியும். எடுத்துக்காட்டாக, DIM_REFERRER அட்டவணையில், விசை மூன்று புலங்களின் கலவையாகும்.
SQL விசை பரவல் வினவல்
/* 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 NULLபயனர் முகவர் அட்டவணையில் பரவுதல் போட் லாஜிக்கைக் கொண்டிருக்கலாம், எடுத்துக்காட்டாக sql துணுக்கு:
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_BOTமொத்த அட்டவணைகள்
கடைசியாக, மொத்த அட்டவணைகளை ஏற்றுவோம்; எடுத்துக்காட்டாக, தினசரி அட்டவணையை பின்வருமாறு ஏற்றலாம்:
மொத்தத்தை ஏற்றுவதற்கான SQL வினவல்
/* 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_IDsqlite தரவுத்தளமானது சிக்கலான வினவல்களை எழுத உங்களை அனுமதிக்கிறது. உடன் தரவு மற்றும் விசைகளின் தயாரிப்பு உள்ளது. முக்கிய வினவல் பரிமாணங்களுக்கான அனைத்து குறிப்புகளையும் சேகரிக்கிறது.
நிபந்தனையானது வரலாற்றை மீண்டும் ஏற்றுவதை அனுமதிக்காது: CAST(STG.EVENT_DT AS INTEGER) > $param_epoch_from, இதில் அளவுரு கோரிக்கையின் விளைவாகும்
FCT_ACCESS_USER_AGENT_DD இலிருந்து COALESCE(MAX(EVENT_DT), '3600') LAST_EVENT_EPOCH வரை தேர்ந்தெடுக்கவும்'
நிபந்தனை முழு நாள் மட்டுமே ஏற்றப்படும்: CAST(STG.EVENT_DT AS INTEGER) < strftime('%s', date(' now', 'start of day'))
ஒரு புள்ளியைத் தேடுவதன் மூலம், பக்கங்கள் அல்லது கோப்புகளை எண்ணுவது ஒரு பழமையான வழியில் மேற்கொள்ளப்படுகிறது.
அறிக்கைகள்
சிக்கலான காட்சிப்படுத்தல் அமைப்புகளில், தரவுத்தள பொருள்களின் அடிப்படையில் ஒரு மெட்டா மாதிரியை உருவாக்க முடியும், வடிகட்டிகள் மற்றும் திரட்டல் விதிகளை மாறும் வகையில் நிர்வகிக்கலாம். இறுதியில், அனைத்து கண்ணியமான கருவிகளும் ஒரு SQL வினவலை உருவாக்குகின்றன.
இந்த எடுத்துக்காட்டில், நாங்கள் ஆயத்த SQL வினவல்களை உருவாக்கி அவற்றை தரவுத்தளத்தில் காட்சிகளாக சேமிப்போம் - இவை அறிக்கைகள்.
காட்சிப்படுத்தல்
பிளஃப்: ஜாவாஸ்கிரிப்டில் உள்ள அழகான வரைபடங்கள் காட்சிப்படுத்தல் கருவியாகப் பயன்படுத்தப்பட்டன
இதைச் செய்ய, PHP ஐப் பயன்படுத்தி அனைத்து அறிக்கைகளையும் சென்று அட்டவணைகளுடன் ஒரு html கோப்பை உருவாக்குவது அவசியம்.
$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'
);கருவி முடிவுகளின் அட்டவணையை வெறுமனே காட்சிப்படுத்துகிறது.
முடிவுக்கு
இணையப் பகுப்பாய்வை உதாரணமாகப் பயன்படுத்தி, தரவுக் கிடங்குகளை உருவாக்கத் தேவையான வழிமுறைகளை கட்டுரை விவரிக்கிறது. முடிவுகளில் இருந்து பார்க்க முடிந்தால், தரவுகளின் ஆழமான பகுப்பாய்வு மற்றும் காட்சிப்படுத்தலுக்கு எளிமையான கருவிகள் போதுமானது.
எதிர்காலத்தில், இந்தக் களஞ்சியத்தை உதாரணமாகப் பயன்படுத்தி, பரிமாணங்களை மெதுவாக மாற்றுதல், மெட்டாடேட்டா, திரட்டல் நிலைகள் மற்றும் வெவ்வேறு மூலங்களிலிருந்து தரவை ஒருங்கிணைத்தல் போன்ற கட்டமைப்புகளைச் செயல்படுத்த முயற்சிப்போம்.
மேலும், ஒரு அட்டவணையின் அடிப்படையில் ETL செயல்முறைகளை நிர்வகிப்பதற்கான எளிய கருவியை இன்னும் விரிவாகப் பார்ப்போம்.
தரவு தரத்தை அளவிடுதல் மற்றும் இந்த செயல்முறையை தானியங்குபடுத்துதல் என்ற தலைப்புக்கு திரும்புவோம்.
தொழில்நுட்ப சூழலின் சிக்கல்கள் மற்றும் தரவு சேமிப்பகங்களின் பராமரிப்பு ஆகியவற்றை நாங்கள் படிப்போம், இதற்காக நாங்கள் ஒரு சேமிப்பக சேவையகத்தை குறைந்தபட்ச ஆதாரங்களுடன் செயல்படுத்துவோம், எடுத்துக்காட்டாக, ராஸ்பெர்ரி பை அடிப்படையில்.
ஆதாரம்: www.habr.com