刚下完班的时候,在公司无聊的坐着,一位同事拿了一些数据给我,说让我实现一个类似交叉表格的统计报表。
我原以为是最多十几分钟就搞定的事情,没想到花了2个小时,所以印象比较深,就把全过程记录了下来
源数据就是个日志文本信息
- 2008/1/11 02:14:33:181 181 00001c68 SeqID 418370 ToBack()=TRUE Len=154 MsgID=x00000202
- 2008/1/11 02:14:33:181 181 00001c68 SeqID 418370 ToFront()=TRUE Len=260 MsgID=x08000202 BEIP=192.168.1.162 BEPort=22049
- 2008/1/11 03:05:42:330 330 00004110 SeqID 418370 ToBack()=TRUE Len=154 MsgID=x00000202
- 2008/1/11 03:05:42:346 346 00004110 SeqID 418370 ToFront()=TRUE Len=261 MsgID=x08000202 BEIP=192.168.1.163 BEPort=22049
要的结果是统计一下,各时段对应的超时毫秒的数量
理论上也不复杂,能找出数据规律,进行分组统计而已,但问题在于:
首先统计是上下文相关的,即通过上下文的数据相计算才能获取到相应的指标
其次如何判断上下文的场景,根据几组字段判断都有问题,即得不到唯一的标示
原来想着应该是轻而易举的事情,先把数据导入oracle吧
有日期有时间,需要把文本的日期时间处理成oracle的date类型,可偏偏date类型不支持毫秒运算,第一个问题出来了,依赖于日志中已有的毫秒进行上下文计算又有一定的问题。
先统计了再说吧
- select b.hours,
- case when overlap<10 then '<10ms'
- when overlap<20 then '10-20'
- when overlap<30 then '20-30'
- when overlap<40 then '30-40'
- when overlap<50 then '40-50'
- when overlap<60 then '50-60'
- when overlap<70 then '60-70'
- when overlap<80 then '70-80'
- when overlap<90 then '80-90'
- else '>90ms'
- end tt,
- count(*)
- from
- (
- select a.f,a.d from
- (
- select k,a,b,f,d,g,c,
- LAG(c, 1, 0) OVER (partition by f,dORDER BY B,g) lastc,
- LAG(b, 1, 0) OVER (partition by f,dORDER BY B,g) lastb,
- case when c - LAG(c, 1, 0) OVER (ORDER BY tt)>=0 then c - LAG(c, 1, 0) OVER (ORDER BY tt)
- else c - LAG(c, 1, 0) OVER (ORDER BY tt)+1000 end aa
- fromtest6 t
- ) a
- where a.g='ToFront()=TRUE' anda.aa>90 )
- order by f,d,b,g
- ) b
- group by b.hours,
- case when overlap<10 then '<10ms'
- when overlap<20 then '10-20'
- when overlap<30 then '20-30'
- when overlap<40 then '30-40'
- when overlap<50 then '40-50'
- when overlap<60 then '50-60'
- when overlap<70 then '60-70'
- when overlap<80 then '70-80'
- when overlap<90 then '80-90'
- else '>90ms'
- end
结果统计出来了,结果非预期的,又对几条数据进行了统计和明细的对比,发现确实有些小问题,可问题出在哪里,也说不清楚。
为了解释清楚这个问题,还是对数据加上行号吧,再次进行对比,发现数据的位置变化了,和原本的日志顺序是不一样的。
为了解决这个问题,还是用rownum加上表数据生成到另外一张测试表吧,再去看看行号和日志的顺序是否能够对应,却发现日志的插入顺序和行号是不一致的!
又问了下同事,业务逻辑到底是怎样的,答曰:日志中上下文的顺序是很严格的
看来需要彻底解决行号问题了。
又在Excel中做了一下测试,Excel做测试很容易,先获取上条记录的毫秒信息,再进行排序,再把数据进行筛选,然后再进行分组判断,最后进行交叉表的生成。
对应大数据量来说,Excel的拖拉显然就满了很多,其次还需要函数、排序、复制数据,总的来说还是比较耗时的。
- create or replace trigger trigger_test6
- before insert on test6
- for each row
- declare
- begin
- select tt.nextval into :new.tt from dual;
- end trigger_test6;
再去验证数据的顺序,这次才算正常了
数据正常了,业务逻辑就简单多了,只需要把最内核的部分修改一下,按行号排序即可
- select rr,k,a,b,f,d,g,c,
- LAG(c, 1, 0) OVER (ORDER BY tt)lastc,
- LAG(b, 1, 0) OVER (ORDER BY tt)lastb
- from test6 t
统计完成后,再拷贝到Excel中进行数据透视表转换,再把表格数据拷贝出来,加一些美观信息即可。
该件事情还是没有得到完美解决
主要是毫秒的处理,理论上是时间的直接相减即可,可由于Oracle的date类型无法直接处理,只能采用日志中的毫秒字段进行相减了,碰到相减为负的,则再加回来1000,多少有些问题。
再其次,oracle导入时的数据顺序有问题,不过我想也许是我自己还没找解决问题的根本原因吧。
【编辑推荐】
- 浅析数据仓库设备趋势:聚焦BI,细分市场
- 加快数据仓库加载无需添加硬件的解决方法
- SQL Server数据挖掘之理解聚类算法和顺序聚类算法
- SQL Server数据挖掘中的几个问题之理解列的用法
- SQL Server数据挖掘中的几个问题之理解内容类型