1

AWS CloudFront アクセスログの分析に取り組んでいます。

ファイルの行をロードするコードがあります

    raw_logs2 =LOAD 'file:///home/ec2-user/ENWRZAC68E00M.2011-02-28-18.72jA8eGh'
  USING PigStorage('\t')
  AS (
    date: chararray, time: chararray, x_edge_location: chararray, sc_bytes: int,
    c_ip: chararray, cs_method: chararray, cs_host: chararray, cs_uri_stem: chararray,
    sc_status: chararray, cs_referer: chararray, cs_user_agent:chararray, cs_uri_query: chararray
  );

今、クエリ文字列パラメータ(名前/値のペア)を解析しようとしています:

p=searchresults&s=homesforsale&gad=&gci=FOUNTAIN%2520VALLEY&gst=CA&gzi=&k=fountainvalleyca&ts=1298918206&

クエリ文字列の p、s および gci の値について、raw_logs2 テーブルに列を追加するにはどうすればよいですか?

4

1 に答える 1

2

これを行う簡単な方法の 1 つは、 REGEX_EXTRACT_ALLを使用することです。

raw_logs = 
  GENERATE
    *, 
    FLATTEN(REGEX_EXTRACT_ALL(cs_uri_query, 'p=(.+?)&s=(.+?)&.+?gci=(.+?)&.+?')) 
      AS (p:CHARARRAY, s:CHARARRAY, gci:CHARARRAY);`
于 2011-03-15T17:35:16.307 に答える