目录

数据仓库概念

 项目需求

数仓搭建流程

用户数据采集

事件日志

数据采集

​编辑

 用户行为数据仓库

数仓分层搭建

集群启动

​编辑 这里出现了bug，还在艰难的鼓捣 ​编辑

---

数据仓库概念

数据仓库(Data Warehouse )可简写为DW或DWH。数据仓库是为企业所有决策制定过程，提供所有系统数据支持的战略集合。

通过对数据仓库中数据的分析，可以帮助企业改进业务流程、控制成本、提高产品质量等。

数据仓库并不是数据的最终目的地，而是为数据最终的目的地做好准备。这些准备包括对数据的清洗、转义、分类、重组、合并、拆分、统计等等。

 项目需求

1、实时采集埋点的用户行为数据

2、实现数据仓库的分层搭建

3、每天定时导入业务数据

4、根据数据仓库中的数据进行报表分析

电商中最关心的指标：留转GMV复活

留：用户留存——留存用户数表、留存用户比率表

转：转化率——新增用户占日活跃用户比率表、用户行为漏斗分析表

GMV：GMV成交总额——每日成交总额表

复：品牌复购率——品牌复购率表

活：用户活跃——活跃设备数表
 

数仓搭建流程

技术选型主要考虑因素：

数据量大小，业务需求，行业内经验，级数成熟度，维护成本，总冲本预算

技术选型框架

数据采集：Flume Kafka Sqoop Logstash DataX

数据存储：Mysql HDFS HBase Redis MongoDB

数据计算：Hive Tez  Spark Flink Storm

数据查询：Presto Kylin Impala Druid ClickHouse Doris

数据可视化：Echarts Superset QuickBI DataV

任务调度：Azkaban，Oozie，DolphinScheduler Airflow

集群监控：Zabbix，Prometheus

元数据管理：Atlas

权限管理：Ranger

配套的Apache框架版本

用户数据采集

事件日志

事件日志包括：

商品点击(display)
商品详情页(newsdetail)
商品列表页(loading)
广告(ad)
消息通知(notification)
用户前台活跃(active_foregr ound)
用户后台活跃(active_foregound)
评论( comment )
收藏( favorites)
点赞( praise)
错误日志数据
 

数据采集

安装 Hadoop、zookeeper、flume、Kafka。

flume采集集群示意图如下，其中有两个自定义拦截器。ETL拦截器过滤掉格式不合格的日志，类型区分拦截器区分启动日志数据和事件日志数据。

 用户行为数据仓库

需要安装MySQL和hive。

其中hive可以做出优化，改变引擎，不用原来的MapReduce，改用Tez。Tez减少了中间落地磁盘的过程，可以将多个有依赖的作业转换为一个作业，这样只需写一次HDFS，且中间节点较少，从而大大提升DAG作业的性能。

数仓分层搭建

1.创建数据库
2.ODS层（创建启动日志表和事件日志表，输入格式为LZO，输出格式为TEXT，只有一个String类3.型的json字段和一个日期分区）
4.DWD层（创建基础明细表，自定义UDF函数和UDTF函数，分别解析公共字段和具体事件字段）
5.DWS层（创建 活跃设备明细表、每日新增设备明细表、留存用户明细表 并导入数据）
6.ADS层（创建 活跃设备数表、每日新增设备数表、留存用户数/比率表 并导入数据）

集群启动

 这里出现了bug，还在艰难的鼓捣