mapReduce：網站日誌分析項目案例：數據清洗

一、數據情況分析 1.1 數據情況回顧 　　該論壇數據有兩部分： 　　（1）歷史數據約56GB，統計到2012-05-29。這也說明，在2012-05-29之前，日誌文件都在一個文件裏邊，採用了追加寫入的方式。 　　（2）自2013-05-30起，每天生成一個數據文件，約150MB左右。這也說明，從2013-05-30之後，日誌文件不再是在一個文件裏邊。 　　圖1展示了該日誌數據的記錄格式，其中每

>>阅读原文<<