大数据日志分析系统背景及架构

用户行为日志

  • 用户每次访问网站时所有的行为数据(访问、浏览、搜索、点击…)
  • 用户行为轨迹、流量日志

日志数据主要内容

  • 访问的系统属性: 操作系统、浏览器等等
  • 访问特征:点击的url、从哪个url跳转过来的(referer)、页面上的停留时间等
  • 访问信息:session_id、访问ip(访问城市)等

离线数据处理架构
大数据日志分析系统背景及架构_第1张图片
数据处理流程五大步骤

  1. 数据采集
    Flume: 使用Flume对数据进行采集,将web日志写入到HDFS

  2. 数据清洗
    使用Spark、Hive、MapReduce或者其他的一些分布式计算框架
    清洗完之后的数据可以存放在HDFS或者Hive、Spark SQL里

  3. 数据处理
    按照我们的需要进行相应业务的统计和分析(使用Spark、Hive、MapReduce、Flink等框架)

  4. 数据处理结果入库
    结果可以存放到RDBMS、NoSQL等数据库

  5. 数据的可视化
    通过图形化展示的方式展现出来:饼图、柱状图、地图、折线图
    工具:ECharts、HUE、Zeppelin、Kibana等

用户行为日志分析的意义

  • 网站的眼睛:能够看到用户的主要来源、喜好网站上的哪些内容,以及用户的忠诚度等
  • 网站的神经:通过分析用户行为日志,我们能对网站的布局、功能进一步的优化,以提高用户的体验等
  • 网站的大脑:通过分析结果,进行推广预算的划分,以及重点优化用户群体的倾向点等

模拟日志生成请参考此篇文章:Java实现定时生成日志到文件

你可能感兴趣的:(大数据)