需求分析及框架选型
- 需求分析
- 数据采集
- 用户行为采集
- 业务数据采集
- 行为日志分析
- 用户行为日志
- 页面日志
- 启动日志
- APP在线日志
- 业务数据分析
- 用户Insert数据
- 用户Update数据
- 技术选型
- Nginx配置
- Flume配置
- MaxWell
- Hadoop
- Flink
- 架构图
需求分析
数据采集
用户行为采集
- 行为数据：页面浏览、点击、在线日志等数据
- 活跃数据：用户注册、卸载安装、活跃等数据
- App性能日志：卡顿、异常等数据
业务数据采集
- 业务数据：支付等
- 维度表：渠道、商品等
行为日志分析
用户行为日志
日志结构大致可分为两类，一是页面日志，二是启动日志和在线日志。
页面日志
页面日志，以页面浏览为单位，即一个页面浏览记录，生成一条页面埋点日志。一条完整的页面日志包含，一个页面浏览记录和多个用户在该页面所做的动作记录，以及若干个该页面的曝光记录，以及一个在该页面发生的报错记录。除上述行为信息，页面日志还包含了这些行为所处的各种环境信息，包括用户信息、时间信息、地理位置信息、设备信息、应用信息、渠道信息等。
{
"common": { -- 环境信息
"imei":"xxx",
"device_id":"12323", --客户端唯一识别id，安卓传安卓唯一id，ios传idfa (可以为空,上报空值率)
"acc_id": "aad3", -- APP注册ID，如：aad32c13aa6d008c_1D19l (可以为空,上报空值率)
"app_type_id":"DFTT", --App软件唯一识别符，如：步多多为100001 （不可为空，非DFTT/ZYSRF/SXG/6位数字则报错，空值则报错）
"qid": "kuaishou1", -- 渠道
"group_qid":"kuaishou", -- 渠道分组
"asc_qid":"xiaoh", -- 归因渠道号 (可以为空,上报空值率)
"app_ver":"v2.1.134", --App版本号 ，如：1.1.1 最大99.99.99（不可为空，非标准格式及空值 报错）
"os":"IOS", --操作系统，如：Android、iOS （不可为空，非：Android/iOS及空值 报错 ）
"os_version":"11.0", --操作系统版本号，如：7.0 (不可为空,空值 报错)
"device":"xiao mi 6", --公共参数）客户端手机型号，如：xiaomi6 (不可为空,空值 报错 )
"device_brand":"xiaomi", --机型品牌，如：HUAWEI (不可为空,空值 报错)
"pixel":"1080*1920", --屏幕分辨率，如：1080*1920 (不可为空 ,空值 报错)
"network":"5g", --网络环境，如：wifi、4g、3g、2g、other (不可为空 ,非：wifi、4g、3g、2g、other及空值 报错)
"is_tourist":1 , --是否是游客，如：1表示游客、0表示非游客、2表示未登录
"obatch_id":"ddadccae", --本次启动唯一ID：每次启动时生成一个唯一批次号，直到下次启动才变更 (可以为空 ,上报空值率)
"ip":"127.0.0.1", --ip
"is_new": 1, -- 是否为新用户 0老用户，1新用户（安装后启动的第一天用户都为新用户，第一天之后都为老用户）
"code": "xxx", -- 平台标识
"lab_code": "实验A", -- 实验code
"lab_group_code": "note" -- 实验分组code
},
"actions": [{ -- 页面动作信息
"page_url": "/good_detail", -- 页面url(取相对路径)
"action_type": "show", -- 动作类型：展现传“show”、点击传“click”、关闭传“close” （不可为空，非show、click、close报错 空值报错）
"event": "Vip", -- 事件类型
"sub_event": "Me" -- 事件子类型
}],
"pages": [{ -- 页面信息
"during_time": 7648, -- 持续时间毫秒
"page_url": "/good_detail", -- 页面url(取相对路径)
"last_page_url":"", -- 上一个页面url(取相对路径，首次访问为空)
"event": "Vip", -- 事件类型
"sub_event": "Me", -- 页面名称
"last_sub_event": "login" -- 上页的名称
}]
"ts": 1585744374423 --日志上报时间戳
}
启动日志
启动日志以启动为单位，一次启动行为，生成一条启动日志。一条完整的启动日志包括一个启动记录，一个本次启动时的报错记录，以及启动时所处的环境信息，包括用户信息、时间信息、地理位置信息、设备信息、应用信息、渠道信息等。
{
"common": {
"imei":"idfv",
"device_id":"12323", --客户端唯一识别id，安卓传安卓唯一id，ios传idfa (可以为空,上报空值率)
"acc_id": "aad3", -- APP注册ID，如：aad32c13aa6d008c_1D19l (可以为空,上报空值率)
"app_type_id":"DFTT", --App软件唯一识别符，如：步多多为100001 （不可为空，非DFTT/ZYSRF/SXG/6位数字则报错，空值则报错）
"qid": "xxx", -- 渠道
"group_qid":"xxxx", -- 渠道分组
"asc_qid":"", --归因渠道号 (可以为空,上报空值率)
"app_ver":"v2.1.134", --App版本号 ，如：1.1.1 最大99.99.99（不可为空，非标准格式及空值 报错）
"os":"IOS", --操作系统，如：Android、iOS （不可为空，非：Android/iOS及空值 报错 ）
"os_version":"11.0", --操作系统版本号，如：7.0 (不可为空,空值 报错)
"device":"xiao mi 6", --公共参数）客户端手机型号，如：xiaomi6 (不可为空,空值 报错 )
"device_brand":"xiaomi", --机型品牌，如：HUAWEI (不可为空,空值 报错)
"pixel":"1080*1920", --屏幕分辨率，如：1080*1920 (不可为空 ,空值 报错)
"network":"5g", --网络环境，如：wifi、4g、3g、2g、other (不可为空 ,非：wifi、4g、3g、2g、other及空值 报错)
"is_tourist":1 , --是否是游客，如：1表示游客、0表示非游客、2表示未登录
"obatch_id":"ddadccae", --本次启动唯一ID：每次启动时生成一个唯一批次号，直到下次启动才变更 (可以为空 ,上报空值率)
"ip":"127.0.0.1", --ip
"is_new": 1, -- 是否为新用户 0老用户，1新用户
"code": "xxx", -- 平台标识
"lab_code": "实验A", -- 实验code
"lab_group_code": "note" -- 实验分组code
},
"start": {
"start_way": 0, --启动方式。 0：热启动 1：代表首次安装首次启动 2：冷启动
"entry": "icon", --启动途径。icon：手机图标 notice：通知 install：安装后启动
"loading_time": 18803 --启动加载时间
},
"ts": 1585744304000 --日志上报时间戳
}
APP在线日志
App在线日志以启动-关闭为单位，一次启动-关闭行为，生成一条启动-关闭日志。
{
"common": {
"imei":"idfv",
"device_id":"12323", --客户端唯一识别id，安卓传安卓唯一id，ios传idfa (可以为空,上报空值率)
"acc_id": "aad3", -- APP注册ID，如：aad32c13aa6d008c_1D19l (可以为空,上报空值率)
"app_type_id":"DFTT", --App软件唯一识别符，如：步多多为100001 （不可为空，非DFTT/ZYSRF/SXG/6位数字则报错，空值则报错）
"qid": "xxx", -- 渠道
"group_qid":"xxxx", -- 渠道分组
"asc_qid":"", -- 归因渠道号 (可以为空,上报空值率)
"app_ver":"v2.1.134", --App版本号 ，如：1.1.1 最大99.99.99（不可为空，非标准格式及空值 报错）
"os":"IOS", --操作系统，如：Android、iOS （不可为空，非：Android/iOS及空值 报错 ）
"os_version":"11.0", --操作系统版本号，如：7.0 (不可为空,空值 报错)
"device":"xiao mi 6", --公共参数）客户端手机型号，如：xiaomi6 (不可为空,空值 报错 )
"device_brand":"xiaomi", --机型品牌，如：HUAWEI (不可为空,空值 报错)
"pixel":"1080*1920", --屏幕分辨率，如：1080*1920 (不可为空 ,空值 报错)
"network":"5g", --网络环境，如：wifi、4g、3g、2g、other (不可为空 ,非：wifi、4g、3g、2g、other及空值 报错)
"is_tourist":1 , --是否是游客，如：1表示游客、0表示非游客、2表示未登录
"obatch_id":"ddadccae", --本次启动唯一ID：每次启动时生成一个唯一批次号，直到下次启动才变更 (可以为空 ,上报空值率)
"ip":"127.0.0.1", --ip
"is_new": 1, -- 是否为新用户 0老用户，1新用户
"code": "xxx", -- 平台标识
"lab_code": "实验A", -- 实验code
"lab_group_code": "note" -- 实验分组code
},
"online": {
"start_way": 0, --启动方式。 0：热启动 1：代表首次安装首次启动 2：冷启动
"start_time": 18803111 , --开始时间（毫秒）
"end_time": 188033 , --退出时间（毫秒）
"online_time": 18803 --在线时长（毫秒）
},
"ts": 1585744304000 --日志上报时间戳
}
新老用户的判断规则
APP 端：用户安装 App 后，第一次打开 App 的当天，Android/iOS SDK 会在手机本地缓存内，创建一个首日为 true 的标记，并且设置第一天 24 点之前，该标记均为 true。
即：第一天触发的 APP 端所有事件中，is_new = 1。即第一天之后触发的 APP 端所有事件中，is_new = 0。
对于此类日志，如果首日之后用户清除了手机本地缓存中的标记，再次启动 APP 会重新设置一个首日为 true 的标记，导致本应为 0 的 is_new 字段被置为1
前端处理规则
is_new(1:新用户,0:老用户)用户安装 App 后，第一次打开 App 的当天，即第一天触发的 APP 端所有事件中，is_new = 1，第一天之后，该标记则为 false，即第一天之后触发的 APP 端所有事件中，is_new = 0。首日之后用户清除了手机本地缓存中的标记,is_new = 1此时由后端处理
业务数据分析
1）用户订单、支付、退款等业务的新增、修改、删除操作都会生成一个binlog日志，通过MaxWell采集这些日志到Kafka消息队列中
用户Insert数据
类型：“type”: “insert”
{
"database":"databaseA",
"table":"t_pay_order",
"type":"insert",
"ts":1686540443,
"xid":16179,
"commit":true,
"data":{
"uid":"1660557015483727879",
"order_no":"P202305221603541978152962",
"pay_order_id":"",
"way_code":"APPLE_APP",
"amount":1800,
"currency":"cny",
"state":1,
"product_id": 1,
"product_name":"商品1",
"product_num":1,
"body":"xxxxx",
"user_id":"1660533343607898114",
"refund_state":0,
"refund_times":0,
"refund_amount":0,
"subscribed":1,
"expired_time":"2023-06-21 16:03:39",
"success_time":null,
"create_time":"2023-05-22 08:03:38.805000",
"update_time":"2023-06-12 02:01:26.996053",
"err_code":"21011",
"err_msg":"订单已退款或已订阅过期"
}
}
用户Update数据
{
"database":"note_data",
"table":"t_pay_order",
"type":"update",
"ts":1686535286,
"xid":4853,
"commit":true,
"data":{
"uid":"1660557015483727876",
"order_no":"P202305221603541978152961",
"pay_order_id":"",
"way_code":"APPLE_APP",
"amount":1800,
"currency":"cny",
"state":3,
"product_id":"VIP_Moth_18",
"product_name":"月度VIP",
"product_num":1,
"body":"月度会员",
"user_id":"1660533343607898114",
"refund_state":0,
"refund_times":0,
"refund_amount":0,
"subscribed":1,
"expired_time":"2023-06-21 16:03:39",
"success_time":null,
"create_time":"2023-05-22 08:03:38.805000",
"update_time":"2023-06-12 02:01:26.996053",
"err_code":"21011",
"err_msg":"订单已退款或已订阅过期"
},
"old":{
"pay_order_id":"rfsddfx",
"update_time":"2023-06-09 10:32:59.769593"
}
}
技术选型
- 数据采集与传输：Nginx、Flume、Kafka、MaxWell
- 数据存储：HDFS、HBASE、Redis
- 计算引擎：Flink
- 数据存储：ClickHouse
- 任务调度：Flink On Yarn
Nginx配置
作用
- 收集用户埋点日志：生成log_file文件。
- 收集post请求中的request_body，在/data/logs/nginx/user_data/文件夹下生成log日志
配置
http {
include mime.types;
default_type application/octet-stream;
log_format main '$remote_addr - $remote_user [$time_local] "$request" ';
log_format data_json escape=json ' $request_body ';
access_log logs/access.log main;
sendfile on;
#tcp_nopush on;
#keepalive_timeout 0;
keepalive_timeout 65;
map $time_iso8601 $logdate {
'~^(?<ymd>\d{4}-\d{2}-\d{2})' $ymd;
default 'date-not-found';
}
server {
listen 8090;
server_name 127.0.0.1;
access_log /data/logs/nginx/user_data/user_big_data-$logdate.log data_json;
error_log /data/logs/nginx/user_data/user_big_data_error-$logdate.log error;
location / {
proxy_pass http://127.0.0.1:8090/api/log/;
}
location /api/log/ {
return 200;
}
}
}
Flume配置
作用
- 采集文件到kafka队列中，这里的source(数据源)是文件,channel(通道),sink(输出源)是kafka
关键配置
#定义组件
a1.sources = r1
a1.channels = c1
#配置source
a1.sources.r1.type = TAILDIR
a1.sources.r1.filegroups = f1
a1.sources.r1.filegroups.f1 = /data/logs/nginx/user_data/user_data/.*log
a1.sources.r1.positionFile = /opt/apache-flume-1.9.0-bin/opt/taildir_position.json
a1.sources.r1.interceptors = i1
a1.sources.r1.interceptors.i1.type = com.sinozo.data.flume.interceptor.ETLInterceptor$Builder
#配置channel
a1.channels.c1.type = org.apache.flume.channel.kafka.KafkaChannel
a1.channels.c1.kafka.bootstrap.servers =127.0.0.1:9092
a1.channels.c1.kafka.topic = topic_log
a1.channels.c1.parseAsFlumeEvent = false
a1.channels.c1.type = org.apache.flume.channel.kafka.KafkaChannel
#组装
a1.sources.r1.channels = c1
MaxWell
作用
实时收集mysql中的binlog数据，输出到kafka队列中
关键配置
#Maxwell数据发送目的地，可选配置有stdout|file|kafka|kinesis|pubsub|sqs|rabbitmq|redis
producer=kafka
#目标Kafka集群地址
kafka.bootstrap.servers=localhost:9092
#目标Kafka topic，可静态配置，例如:maxwell，也可动态配置，例如：%{database}_%{table}
kafka_topic=topic_db
#配置只监听note_data库下t_pay_order表
exclude_dbs=*
include_dbs=note_data
include_tables=t_pay_order
#MySQL相关配置
host=localhosts
user=maxwell
password=maxwell
jdbc_options=useSSL=false&serverTimezone=Asia/Shanghai
启动命令
#!/bin/bash
MAXWELL_HOME=/opt/maxwell-1.29.2
status_maxwell(){
result=`ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | wc -l`
return $result
}
start_maxwell(){
status_maxwell
if [[ $? -lt 1 ]]; then
echo "启动Maxwell"
$MAXWELL_HOME/bin/maxwell --config $MAXWELL_HOME/config.properties --filter="exclude: *.*, include: db.*, exclude: *.*, include: *.t_pay_order" --daemon
else
echo "Maxwell正在运行"
fi
}
stop_maxwell(){
status_maxwell
if [[ $? -gt 0 ]]; then
echo "停止Maxwell"
ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | awk '{print $2}' | xargs kill -9
else
echo "Maxwell未在运行"
fi
}
case $1 in
start )
start_maxwell
;;
stop )
stop_maxwell
;;
restart )
stop_maxwell
start_maxwell
;;
esac
Hadoop
作用
HDFS作为存储的基础组件，防止flink计算过程中的checkPoint检查点数据以及状态数据
Yarn作为调度组件，对flink的jobManager、taskManager内存等资源进行动态分配、并对taskManager进行监控
Flink
作用
作为实时计算引擎，对业务数据、用户埋点数据进行分组、统计等计算
架构图
