转载请注明出处：http://blog.csdn.net/l1028386804/article/details/79056976

一、场景描述

数据源准备工作详见博文《Python之——自动上传本地log文件到HDFS(基于Hadoop 2.5.2)》。

网站访问流量作为衡量一个站点的价值、热度的重要标准，另外，在CDN服务中心流量会涉及计费，如何快速准确分析当前站点的流量数据至关重要。本实例精确到分钟统计网站访问流量，原理是在mapper操作时将Web日志中小时的每分钟作为key，将对应的发送字节数作为value, 在reducer操作时对相同key做累加(sum)统计。

二、实现MapReduce

【/usr/local/python/source/httpflow.py】

三、生成MapReduce任务

运行如下命令：

此时打印的日志如下：

可以看出，打印出了结果，此时我们通过命令：

查看生成的结果文件：

然后我们通过命令

查看输出的结果如下：

可见输出了结果。 最后建议将分析结果数据定期入库MySQL，生成相应的数据报表。