数仓笔记
数据仓库和数据集市详解:ODS、DW、DWD、DWM、DWS、ADS
尚硅谷数据仓库实战之1项目需求及架构设计
尚硅谷数据仓库实战之2数仓分层+维度建模
尚硅谷数据仓库实战之3数仓搭建
尚硅谷数据仓库4.0视频教程
B站直达:2021新版电商数仓V4.0丨大数据数据仓库项目实战 百度网盘:https://pan.baidu.com/s/1FGUb8X0Wx7IWAmKXBRwVFg ,提取码:yyds 阿里云盘:https://www.aliyundrive.com/s/F2FuMVePj92 ,提取码:335o
第2章 项目需求及架构设计
需求分析
- 用户行为数据采集平台搭建
- 业务数据采集平台搭建
- 数据仓库维度建模
- 业务埋点
- 即席查询工具,随时进行指标分析
- 集群监控,异常报警
- 元数据管理
- 质量监控
- 权限管理
项目框架
技术选型
考虑因素:数据量大小、业务需求、行业内经验、技术成熟度、维护成本、总成本运算
相关技术列举:
数据流程设计
根据需求选择合适的技术,设计规划具体的数据仓库架构流程
框架版本选型
尚硅谷测试稳定适配的版本
服务器选型
集群规模
集群资源规划设计
在企业中通常会搭建一套生产集群和一套测试集群。生产集群运行生产任务,测试集群用于上线前代码编写和测试。
1)生产集群
(1)消耗内存的分开
(2)数据传输数据比较紧密的放在一起(Kafka 、Zookeeper)
(3)客户端尽量放在一到两台服务器上,方便外部访问
(4)有依赖关系的尽量放到同一台服务器(例如:Hive和Azkaban Executor)
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
---|
nn | nn | dn | dn | dn | dn | dn | dn | dn | dn | | | rm | rm | nm | nm | nm | nm | nm | nm | | | nm | nm | | | | | | | | | | | | | | zk | zk | zk | | | | | | | | kafka | kafka | kafka | | | | | | | | Flume | Flume | flume | | | Hbase | Hbase | Hbase | | | | | | hive | hive | | | | | | | | | mysql | mysql | | | | | | | | | spark | spark | | | | | | | | | Azkaban | Azkaban | | | | ES | ES | | | |
2)测试集群服务器规划
服务名称 | 子服务 | 服务器hadoop102 | 服务器hadoop103 | 服务器hadoop104 |
---|
HDFS | NameNode | √ | | | DataNode | √ | √ | √ | | SecondaryNameNode | | | √ | | Yarn | NodeManager | √ | √ | √ | Resourcemanager | | √ | | | Zookeeper | Zookeeper Server | √ | √ | √ | Flume(采集日志) | Flume | √ | √ | | Kafka | Kafka | √ | √ | √ | Flume(消费Kafka) | Flume | | | √ | Hive | Hive | √ | | | MySQL | MySQL | √ | | | Sqoop | Sqoop | √ | | | Presto | Coordinator | √ | | | Worker | | √ | √ | | Azkaban | AzkabanWebServer | √ | | | AzkabanExecutorServer | √ | | | | Spark | | √ | | | Kylin | | √ | | | HBase | HMaster | √ | | | HRegionServer | √ | √ | √ | | Superset | | √ | | | Atlas | | √ | | | Solr | Jar | √ | | | 服务数总计 | | 19 | 8 | 8 |
第3章 数据生成模块
目标数据
我们要收集和分析的数据主要包括页面数据、事件数据、曝光数据、启动数据和错误数据。
页面
页面数据主要记录一个页面的用户访问情况,包括访问时间、停留时间、页面路径等信息。
字段名称 | 字段描述 |
---|
page_id | 页面idhome(“首页”),category(“分类页”),discovery(“发现页”),top_n(“热门排行”),favor(“收藏页”),search(“搜索页”),good_list(“商品列表页”),good_detail(“商品详情”),good_spec(“商品规格”),comment(“评价”),comment_done(“评价完成”),comment_list(“评价列表”),cart(“购物车”),trade(“下单结算”),payment(“支付页面”),payment_done(“支付完成”),orders_all(“全部订单”),orders_unpaid(“订单待支付”),orders_undelivered(“订单待发货”),orders_unreceipted(“订单待收货”),orders_wait_comment(“订单待评价”),mine(“我的”),activity(“活动”),login(“登录”),register(“注册”); | last_page_id | 上页id | page_item_type | 页面对象类型sku_id(“商品skuId”),keyword(“搜索关键词”),sku_ids(“多个商品skuId”),activity_id(“活动id”),coupon_id(“购物券id”); | page_item | 页面对象id | sourceType | 页面来源类型promotion(“商品推广”),recommend(“算法推荐商品”),query(“查询结果商品”),activity(“促销活动”); | during_time | 停留时间(毫秒) | ts | 跳入时间 |
事件
事件数据主要记录应用内一个具体操作行为,包括操作类型、操作对象、操作对象描述等信息。
字段名称 | 字段描述 |
---|
action_id | 动作idfavor_add(“添加收藏”),favor_canel(“取消收藏”),cart_add(“添加购物车”),cart_remove(“删除购物车”),cart_add_num(“增加购物车商品数量”),cart_minus_num(“减少购物车商品数量”),trade_add_address(“增加收货地址”),get_coupon(“领取优惠券”);注:对于下单、支付等业务数据,可从业务数据库获取。 | item_type | 动作目标类型sku_id(“商品”),coupon_id(“购物券”); | item | 动作目标id | ts | 动作时间 |
曝光
曝光数据主要记录页面所曝光的内容,包括曝光对象,曝光类型等信息。
字段名称 | 字段描述 |
---|
displayType | 曝光类型promotion(“商品推广”),recommend(“算法推荐商品”),query(“查询结果商品”),activity(“促销活动”); | item_type | 曝光对象类型sku_id(“商品skuId”),activity_id(“活动id”); | item | 曝光对象id | order | 曝光顺序 |
启动
启动数据记录应用的启动信息。
字段名称 | 字段描述 |
---|
entry | 启动入口icon(“图标”),notification(“通知”),install(“安装后启动”); | loading_time | 启动加载时间 | open_ad_id | 开屏广告id | open_ad_ms | 广告播放时间 | open_ad_skip_ms | 用户跳过广告时间 | ts | 启动时间 |
错误
错误数据记录应用使用
过程中的错误信息,包括错误编号及错误信息。
字段名称 | 字段描述 |
---|
error_code | 错误码 | msg | 错误信息 |
数据埋点
主流埋点方式(了解)
目前主流的埋点方式,有代码埋点(前端/后端)、可视化埋点、全埋点三种。
***代码埋点***是通过调用埋点SDK函数,在需要埋点的业务逻辑功能位置调用接口,上报埋点数据。例如,我们对页面中的某个按钮埋点后,当这个按钮被点击时,可以在这个按钮对应的 OnClick 函数里面调用SDK提供的数据发送接口,来发送数据。
可视化埋点只需要研发人员集成采集 SDK,不需要写埋点代码,业务人员就可以通过访问分析平台的“圈选”功能,来“圈”出需要对用户行为进行捕捉的控件,并对该事件进行命名。圈选完毕后,这些配置会同步到各个用户的终端上,由采集 SDK 按照圈选的配置自动进行用户行为数据的采集和发送。
***全埋点***是通过在产品中嵌入SDK,前端自动采集页面上的全部用户行为事件,上报埋点数据,相当于做了一个统一的埋点。然后再通过界面配置哪些数据需要在系统里面进行分析。
埋点数据上报时机
埋点数据上报时机包括两种方式。
方式一,在离开该页面时,上传在这个页面产生的所有数据(页面、事件、曝光、错误等)。优点,批处理,减少了服务器接收数据压力。缺点,不是特别及时。
方式二,每个事件、动作、错误等,产生后,立即发送。优点,响应及时。缺点,对服务器接收数据压力比较大。
本次项目采用方式一埋点。
埋点数据日志结构
我们的日志结构大致可分为两类,一是普通页面埋点日志,二是启动日志。
普通页面日志结构如下,每条日志包含了,当前页面的页面信息,所有事件(动作)、所有曝光信息以及错误信息。除此之外,还包含了一系列公共信息,包括设备信息,地理位置,应用信息等,即下边的common字段。
(1)普通页面埋点日志格式
{
"common": { -- 公共信息
"ar": "230000", -- 地区编码
"ba": "iPhone", -- 手机品牌
"ch": "Appstore", -- 渠道
"is_new": "1",--是否首日使用,首次使用的当日,该字段值为1,过了24:00,该字段置为0
"md": "iPhone 8", -- 手机型号
"mid": "YXfhjAYH6As2z9Iq", -- 设备id
"os": "iOS 13.2.9", -- 操作系统
"uid": "485", -- 会员id
"vc": "v2.1.134" -- app版本号
},
"actions": [ --动作(事件)
{
"action_id": "favor_add", --动作id
"item": "3", --目标id
"item_type": "sku_id", --目标类型
"ts": 1585744376605 --动作时间戳
}
],
"displays": [
{
"displayType": "query", -- 曝光类型
"item": "3", -- 曝光对象id
"item_type": "sku_id", -- 曝光对象类型
"order": 1, --出现顺序
"pos_id": 2 --曝光位置
},
{
"displayType": "promotion",
"item": "6",
"item_type": "sku_id",
"order": 2,
"pos_id": 1
}
],
"page": { --页面信息
"during_time": 7648, -- 持续时间毫秒
"item": "3", -- 目标id
"item_type": "sku_id", -- 目标类型
"last_page_id": "login", -- 上页类型
"page_id": "good_detail", -- 页面ID
"sourceType": "promotion" -- 来源类型
},
"err":{ --错误
"error_code": "1234", --错误码
"msg": "***********" --错误信息
},
"ts": 1585744374423 --跳入时间戳,何时发送到服务器
}
(2)启动日志格式
启动日志结构相对简单,主要包含公共信息,启动信息和错误信息。
{
"common": {
"ar": "370000",
"ba": "Honor",
"ch": "wandoujia",
"is_new": "1",
"md": "Honor 20s",
"mid": "eQF5boERMJFOujcp",
"os": "Android 11.0",
"uid": "76",
"vc": "v2.1.134"
},
"start": {
"entry": "icon", --icon手机图标 notice 通知 install 安装后启动
"loading_time": 18803, --启动加载时间
"open_ad_id": 7, --广告页ID
"open_ad_ms": 3449, -- 广告总共播放时间
"open_ad_skip_ms": 1989 -- 用户跳过广告时点
},
"err":{ --错误
"error_code": "1234", --错误码
"msg": "***********" --错误信息
},
"ts": 1585744304000
}
?```xxxxxxxxxx { "common": { "ar": "370000", "ba": "Honor", "ch": "wandoujia", "is_new": "1", "md": "Honor 20s", "mid": "eQF5boERMJFOujcp", "os": "Android 11.0", "uid": "76", "vc": "v2.1.134" }, "start": { "entry": "icon", --icon手机图标 notice 通知 install 安装后启动 "loading_time": 18803, --启动加载时间 "open_ad_id": 7, --广告页ID "open_ad_ms": 3449, -- 广告总共播放时间 "open_ad_skip_ms": 1989 -- 用户跳过广告时点 },"err":{ --错误"error_code": "1234", --错误码 "msg": "***********" --错误信息}, "ts": 1585744304000}
本文由博客一文多发平台 OpenWrite 发布!
|