通用数据挖掘系统
v3.0
需求分析说明书
通用数据挖掘系统 V3.0
需求说明书
Version 1.0
文档编号 TTS***
2009-7-23
达内 IT 集团
通用数据挖掘系统
v3.0
需求分析说明书
文档历史
版本
标题
内容
作者
时间
v1.0
需求说明书
唐亮
2009-07-23
通用数据挖掘系统
v3.0
需求分析说明书
1. 编写目的
本文档的目的是明确 DMS3.0 项目的业务背景、业务范围、定义项目的专业名词，分析
项目的核心功能和系统需求。期望读者包括：项目发起人、最终用户、项目投资方、项目管
理团队、项目执行团队，以及其他项目关系人。
2. 参考文档
【无】
3. 名称解释
DMS：数据挖掘系统（Data Mining System）
用户：需要使用 Unix 实验室出租业务的客户，用户通过电信公司提供的帐号和密码登录指
定的 Unix 机器，并使用 Unix 服务。
终端机器：用户通过一台本地终端机器来访问我们的 Unix 机器，并使用 Unix 服务，该本地
终端就是我们所说的终端机器。在我们的程序中要记录这一终端的 IP，做为向用户收费的
依据之一。
登 录 日 志 文 件 ： 在 Unix 机 器 中 自 动 记 录 用 户 登 入 / 登 出 日 志 的 文 件 ， 该 文 件 为 ：
/var/adm/wtmpx；在我们的程序中该文件也可以是程序外部指定的另一个文件。我们的程序
需要提取该文件的数据来匹配出用户登入/登出的记录，并将其作为将来的收费依据。
用户登入记录：在登录日志文件中记录的用户登入 Unix 系统的日志记录，该日志记录包含
用户的登录名，用户登入 Unix 的时刻，登录的终端机器 IP 等信息。
用户登出记录：在登录日志文件中记录的用户登出 Unix 系统的日志记录，该日志记录包含
用户的登录名，用户登出 Unix 的时刻，登录的终端机器 IP 等信息。我们需要将用户的登入
通用数据挖掘系统
v3.0
需求分析说明书
记录和登出记录匹配起来，得到一条条完整的登录信息，并计算出用户本次登录的时长。
用户的登录记录：将用户的登入记录和登出记录按照对应关系匹配起来，形成一条完整的登
录记录，登录记录中包含以下信息：用户登录名，登入时刻，登出时刻，登录时长，登录终
端机器 IP 等。
匹配的登入/登出记录：等同于用户的登录记录。
未匹配的登入记录：在登录日志文件中理论上一条登入记录跟一条登出记录匹配，但有可能
在我们采集数据时用户还没有登出，所以日志文件中可能出现没有登出记录与之匹配的登入
记录，这些登入记录我们将其保存在一个指定的文件中，在下次采集时再读取。
4. 项目背景
4.1. 项目业务背景
在电信的业务中，有一种 Unix 实验室出租业务。只要用户向电信运营商申请一个 Unix
帐号，就可以远程登录 Unix 实验室，并使用 Unix 系统。
用户使用电信运营商提供的 Unix 实验室的服务需要缴纳一定的费用，电信运营商需要
一套数据采集系统，把用户登录实验室的时间长度数据采集起来，便于在指定的时间范围内
作为对用户的收费依据。
要求数据采集系统必须采集如下信息：登录用户名，登录的时间，登出的时间，登录总
的在线时间，登录的实验室 IP，用户的终端 IP 等信息。
DMS3.0 项目需要开发这样一个通用的数据采集系统程序，来采集 Unix 机器记录的用户
登入和登出的原始记录，并将这些记录解析匹配成用户的登录记录，然后发送给数据采集服
务器，在服务器端将这些数据以日期为单位保存在数据库中，然后整合这些数据形成日报表，
月报表和年报表。
通用数据挖掘系统
v3.0
需求分析说明书
4.2. 项目业务原理
任何用户登录 Unix 系统，Unix 系统都会记录用户的登录信息，所有用户登入/登出的信
息都保存在 Unix 的系统日志文件中。数据采集系统就是通过读取 Unix 系统日志文件中用户
登入/登出信息，并找出成对的登入/登出记录，得到用户登录实验室的登入时刻、登出时刻、
登录时间长度等电信用户收费需要使用的数据，最后把匹配处理好的数据保存成电信工作人
员可以阅读的文本文件，做为电信收费依据。
用户登录 Unix 系统的日志记录文件在 Unix 的/var/adm 目录下，文件名是 wtmpx，日志
记录文件是一个二进制文件，在 Unix 中可以使用 last 指令查看，last 命令格式为：
last [-a] [-n number | -number] [-f filename] [name | tty]
wtmpx 文件中一条登录记录包含 372 字节，每条记录包含的数据项格式说明如下表 1-1
所示: (其中黄色背景标识的数据项就是要采集的数据项)
位置范围
字节长度
含义
000-031
32
/* 用户登录名 */
032-035
4
/* inittab id */
036-067
32
/* device name (console， lnxx) */
068-071
4
/* 进程 ID*/
072-073
2
/* 登录类型 7-登入，8 登出 */
074-075
2
/* process termination*/
076-077
2
/* exit status*/
2
/* 这是 C 数据类型补齐产生的空位*/
080-083
4
/* 登录时刻*//*单位是秒 */
084-087
4
/* and microseconds */
088-091
4
/* session ID， used for windowing */
092-111
20
/* reserved for future use */
112-113
2
/* significant length of ut_host */
114-371
258
/* 登录 IP*/
