第1章　大数据和Splunk / 1
1.1　什么是大数据 / 1
1.2　非传统的数据处理技术 / 5
1.3　Splunk是什么 / 6
1.4　关于本书 / 7
第2章　将数据导入Splunk / 9
2.1　数据的多样性 / 9
2.2　Splunk如何处理多样化的数据 / 10
2.2.1　文件和目录 / 11
2.2.2　数据生成器 / 16
2.2.3　生成样本数据 / 17
2.2.4　网络资源 / 21
2.2.5　Windows数据 / 21
2.2.6　其他资源 / 21
2.3　应用程序和附加组件 / 21
2.4　转发器 / 26
2.5　小结 / 27
第3章　处理和分析数据 / 28
3.1　了解组合访问日志数据 / 28
3.2　搜索和分析索引数据 / 29
3.3　报表 / 35
3.3.1　使用最多的浏览器 / 35
3.3.2　排名前五的IP地址 / 37
3.3.3　浏览量来源最多的网站 / 38
3.3.4　有多少404事件 / 40
3.3.5　有多少事件包含购买行为 / 42
3.3.6　列出购买的商品 / 42
3.4　排序 / 44
3.5　过滤 / 45
3.6　添加和评估字段 / 47
3.7　聚合 / 48
3.8　小结 / 54
第4章　结果的可视化 / 55
4.1　数据可视化 / 55
4.2　Splunk是怎样处理可视化的 / 55
4.3　chart / 60
4.3.1　制作每一个主机的GET和POST事件数量的图表 / 61
4.3.2　制作每一个产品类别的购买数和浏览数的图表 / 62
4.3.3　哪个产品种类受HTTP 404错误的影响 / 63
4.3.4　MyGizmoStore.com的购买趋势 / 64
4.3.5　事务持续时间 / 66
4.4　timechart / 67
4.4.1　最高购买数量的产品 / 67
4.4.2　页面浏览率和购买量 / 68
4.5　使用Google Maps应用程序来可视化 / 69
4.6　Globe / 71
4.7　仪表盘 / 72
4.8　小结 / 80
第5章　定义警报 / 81
5.1　什么是警报 / 81
5.2　Splunk如何提供警报 / 81
5.2.1　基于商品销售量的警报 / 82
5.2.2　登录失败的警报 / 84
5.2.3　日志文件中关键性错误的警报 / 87
5.3　小结 / 88
第6章　网站监测 / 90
6.1　监测网站 / 90
6.2　IT运作 / 91
6.2.1　主机访问量 / 91
6.2.2　无内部访问的主机访问量 / 91
6.2.3　HTTP请求成功的流量 / 93
6.2.4　HTTP请求未成功的流量 / 93
6.2.5　返回HTTP错误状态码最多的页面 / 94
6.3　业务 / 96
6.3.1　区域用户统计 / 96
6.3.2　跳出率 / 97
6.3.3　独立访问者数量 / 98
6.4　小结 / 103
第7章　使用日志文件创建高级分析 / 104
7.1　传统的分析方法 / 104
7.2　范式变更 / 105
7.3　语义日志 / 106
7.4　日志最佳实践 / 113
7.5　小结 / 115
第8章　航班准点率项目 / 116
小结 / 118
第9章　将航班数据导入Splunk / 119
9.1　处理CSV文件 / 119
9.1.1　航班数据 / 119
9.1.2　下载数据 / 120
9.1.3　了解航班数据 / 121
9.1.4　关于时间戳 / 123
9.1.5　将字段映射成一个时间戳 / 124
9.1.6　对所有航班数据建立索引 / 131
9.2　从关系数据库中索引数据 / 132
9.2.1　定义一个新的数据库连接 / 132
9.2.2　数据库监测 / 133
9.3　小结 / 136
第10章　分析航空公司、机场、航班和延迟 / 137
10.1　分析航空公司 / 137
10.1.1　计算航空公司的总数 / 138
10.1.2　可视化结果 / 139
10.2　分析机场 / 143
10.3　分析航班 / 146
10.4　分析延迟 / 151
10.4.1　各航空公司航班延迟情况 / 151
10.4.2　各机场航班延迟的原因 / 152
10.4.3　冬天与夏天的航班延迟情况 / 155
10.5　创建和使用宏命令 / 157
10.6　报告加速 / 158
10.7　加速统计 / 161
10.8　小结 / 166
第11章　分析一个特定航班的历年数据 / 167
11.1　航空公司名称 / 167
11.1.1　字段查找自动化 / 172
11.1.2　从搜索中创建查找表 / 173
11.2　United flight 871航班 / 174
11.3　小结 / 178
第12章　分析推文 / 179
12.1　开发样本流 / 180
12.2　将推文加载到Splunk中 / 183
12.3　Twitter / 185
12.4　最流行的单词 / 188
12.5　实时的Twitter趋势 / 191
12.6　小结 / 196
第13章　分析Foursquare签到信息 / 197
13.1　签到信息格式 / 198
13.2　时区注意事项 / 202
13.3　装载签到数据 / 203
13.4　分析签到信息 / 205
13.4.1　星期日早午餐搜索 / 205
13.4.2　Google地图和热门地点 / 209
13.4.3　地点的签到模式 / 211
13.4.4　地点的签到数量 / 212
13.4.5　分析性别活动 / 214
13.5　小结 / 217
第14章　情感分析 / 218
14.1　意见、观点、信仰、信念 / 218
14.2　商业用途 / 219
14.3　情感分析的技术性工作 / 220
14.4　情感分析应用程序 / 222
14.4.1　全局性的命令 / 223
14.4.2　挖掘情感 / 224
14.4.3　语言的处理 / 226
14.4.4　训练数据和测试数据 / 227
14.5　世界情绪指数项目 / 231
14.5.1　收集RSS摘要 / 232
14.5.2　将新闻标题索引到Splunk中 / 234
14.5.3　定义情感语料库 / 237
14.5.4　对结果进行可视化 / 240
14.6　小结 / 242
第15章　远程数据收集 / 243
15.1　转发器 / 243
15.1.1　流行的拓扑结构 / 244
15.1.2　安装转发器 / 246
15.2　部署服务器 / 248
15.2.1　配置部署服务器 / 250
15.2.2　配置转发器 / 251
15.3　部署监控 / 252
15.4　小结 / 253
第16章　可扩展性和高可用性 / 254
16.1　扩展Splunk / 254
16.2　聚类 / 259
16.3　小结 / 264
附录A　Splunk的性能 / 265
附录B　有用的Splunk应用程序 / 281
· · · · · · (收起)