网站流量日志分析--数据可视化--动态加载数据--代码实现 | 学习笔记

简介: 快速学习网站流量日志分析--数据可视化--动态加载数据--代码实现

开发者学堂课程【大数据分析之企业级网站流量运营分析系统开发实战(第五阶段):网站流量日志分析--数据可视化--动态加载数据--代码实现】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/697/detail/12260


网站流量日志分析--数据可视化--动态加载数据--代码实现

内容介绍:

一、数据可视化代码的实现

二、service 层的编写

三、controller

 

一、数据可视化代码的实现

当逆向工程完毕,完成 mybatis 这一层的代码之后,把逆向工程的代码放进数据可视化的代码当中。

1、打开参考资料,

在 mapper 层复制 mapper.java 和 mapper.xml ,

来到工程中,在 mapper 里粘贴,贴过来之后需要一个 pojo 对象。

(1)首先要创建一个新的文件夹,点击 package,填写 pojo ,在 pojo 文件夹中复制 tavgnum 和 tavgnumexample 并粘贴。

(2)注意,根据图形梳理,后端完成之后,前端需要保存数据, 因而可以创建一个对象 bean1,下面有两个数组。

这个对象可以自己命名,如 avgtopagebean ,两个数组分别是 string 数组, double 数组,分别对应前端的两个数组,方便转换。

image.png

(3)下面将其放在 pojo 当中,接下来来到了 service 层,其中没有过多的代码,要注意把数据做一个格式上的转换,把里面的日期转换成日期数组等等。

 

二、service 层的编写

打开 service 文件,复制 avgnumservice 和 avgnumservicelmpl 粘贴到 service中。

1、首先看一下 avgnumservice,

里面的写作方法叫做 getavgnumbydts,即根据日期查询  avg 平均的 pv,里面有开始时间和结束时间。

2、具体的实现

(1)首先将 mapper 注解进来,当中设置了一个查询条件的格式,根据日期正序(注意反引号)创建查询条件,根据日期在一个范围内查询。

(2)返回之后成为一个集合,把集合放在日期数当中,再返回前台即可。

3、填写注释。

(1)使用 mybatis 逆向工程从数据库查询最近七天的 PV 数量,其返回的是一个 list 集合并查询指定排序。

(2)遍历查询返回的集合结果,把日期取出放置在日期数组中,把 PV 取出类似。

(3)创建携带数据到页面的 javabean,把两个数组设置为其属性转成  json 格式返回。

其中大部分都是模板,需要填写的不多。

 

三、controller

注意上一步返回的是 json 格式,需要注解 Response。

1、首先复制 private,打开 controller 中的 indexcontroller 并粘贴进来,用它调用方法进行复制粘贴。

2、用 responsebody 表明返回的数据是 json 解析,重点指定响应头收到的数据是Application/json ,编码是 utf-8 ,保证前端响应的数据格式。

3、回到画图中来,第三个要注意的问题是  json 格式数据响应问题。需要  responsebody 指定响应头信息,完成之后数据就可以以动态的 json 格式返回页面,写完之后就可以进行相关操作。

4、打开刚才运行的窗口,重新加载一次,重启完的页面没有问题,就可以得到动态的数据结果。

相关实践学习
【涂鸦即艺术】基于云应用开发平台CAP部署AI实时生图绘板
【涂鸦即艺术】基于云应用开发平台CAP部署AI实时生图绘板
相关文章
|
9月前
|
SQL 人工智能 监控
SLS Copilot 实践:基于 SLS 灵活构建 LLM 应用的数据基础设施
本文将分享我们在构建 SLS SQL Copilot 过程中的工程实践,展示如何基于阿里云 SLS 打造一套完整的 LLM 应用数据基础设施。
2871 109
|
9月前
|
数据采集 运维 监控
不重启、不重写、不停机:SLS 软删除如何实现真正的“无感数据急救”?
SLS 全新推出的「软删除」功能,以接近索引查询的性能,解决了数据应急删除与脏数据治理的痛点。2 分钟掌握这一数据管理神器。
824 50
|
10月前
|
存储 缓存 Apache
StarRocks+Paimon 落地阿里日志采集:万亿级实时数据秒级查询
A+流量分析平台是阿里集团统一的全域流量数据分析平台,致力于通过埋点、采集、计算构建流量数据闭环,助力业务提升流量转化。面对万亿级日志数据带来的写入与查询挑战,平台采用Flink+Paimon+StarRocks技术方案,实现高吞吐写入与秒级查询,优化存储成本与扩展性,提升日志分析效率。
1367 1
|
10月前
|
存储 关系型数据库 数据库
【赵渝强老师】PostgreSQL数据库的WAL日志与数据写入的过程
PostgreSQL中的WAL(预写日志)是保证数据完整性的关键技术。在数据修改前,系统会先将日志写入WAL,确保宕机时可通过日志恢复数据。它减少了磁盘I/O,提升了性能,并支持手动切换日志文件。WAL文件默认存储在pg_wal目录下,采用16进制命名规则。此外,PostgreSQL提供pg_waldump工具解析日志内容。
943 0
|
XML 安全 Java
【日志框架整合】Slf4j、Log4j、Log4j2、Logback配置模板
本文介绍了Java日志框架的基本概念和使用方法,重点讨论了SLF4J、Log4j、Logback和Log4j2之间的关系及其性能对比。SLF4J作为一个日志抽象层,允许开发者使用统一的日志接口,而Log4j、Logback和Log4j2则是具体的日志实现框架。Log4j2在性能上优于Logback,推荐在新项目中使用。文章还详细说明了如何在Spring Boot项目中配置Log4j2和Logback,以及如何使用Lombok简化日志记录。最后,提供了一些日志配置的最佳实践,包括滚动日志、统一日志格式和提高日志性能的方法。
4990 32
【日志框架整合】Slf4j、Log4j、Log4j2、Logback配置模板
|
监控 安全 Apache
什么是Apache日志?为什么Apache日志分析很重要?
Apache是全球广泛使用的Web服务器软件,支持超过30%的活跃网站。它通过接收和处理HTTP请求,与后端服务器通信,返回响应并记录日志,确保网页请求的快速准确处理。Apache日志分为访问日志和错误日志,对提升用户体验、保障安全及优化性能至关重要。EventLog Analyzer等工具可有效管理和分析这些日志,增强Web服务的安全性和可靠性。
604 9
|
监控 容灾 算法
阿里云 SLS 多云日志接入最佳实践:链路、成本与高可用性优化
本文探讨了如何高效、经济且可靠地将海外应用与基础设施日志统一采集至阿里云日志服务(SLS),解决全球化业务扩展中的关键挑战。重点介绍了高性能日志采集Agent(iLogtail/LoongCollector)在海外场景的应用,推荐使用LoongCollector以获得更优的稳定性和网络容错能力。同时分析了多种网络接入方案,包括公网直连、全球加速优化、阿里云内网及专线/CEN/VPN接入等,并提供了成本优化策略和多目标发送配置指导,帮助企业构建稳定、低成本、高可用的全球日志系统。
1221 55
|
存储 缓存 关系型数据库
图解MySQL【日志】——Redo Log
Redo Log(重做日志)是数据库中用于记录数据页修改的物理日志,确保事务的持久性和一致性。其主要作用包括崩溃恢复、提高性能和保证事务一致性。Redo Log 通过先写日志的方式,在内存中缓存修改操作,并在适当时候刷入磁盘,减少随机写入带来的性能损耗。WAL(Write-Ahead Logging)技术的核心思想是先将修改操作记录到日志文件中,再择机写入磁盘,从而实现高效且安全的数据持久化。Redo Log 的持久化过程涉及 Redo Log Buffer 和不同刷盘时机的控制参数(如 `innodb_flush_log_at_trx_commit`),以平衡性能与数据安全性。
906 5
图解MySQL【日志】——Redo Log