几大模块内容
- 用户访问session分析模块:会话(session),用户的基础访问行为
- 页面单跳转化率模块:页面(page),用户的页面访问和页面跳转行为
- 各区域热门商品统计模块:商品(product),用户的商品点击行为
- 广告点击流量实时统计模块:广告(ad,advertisement),用户的广告点击行为
广告点击流量实时统计模块
每次点击一个广告以后,通常来说,网站 / app中都会有埋点(前端的应用中,比如JavaScript Ajax;app中的socket网络请求,往后台发送一条日志数据);日志数据而言,通常,如果要做实时统计的话,那么就会通过某些方式将数据写入到分布式消息队列中(Kafka);
日志写入到后台web服务器(nginx),nginx产生的实时的不断增加 / 更新的本地日志文件,就会被日志监控客户端(比如flume agent),写入到消息队列中(kafka),我们要负责编写实时计算程序,去从消息队列中(kafka)去实时地拉取数据,然后对数据进行实时的计算和统计。
产品经理、高管可以实时地掌握到公司打的各种广告的投放效果。以便于后期持续地对公司的广告投放相关的战略和策略,进行调整和优化;以期望获得最好的广告收益。
1、所做需求
- 实现实时动态黑名单机制:将每天广告点击超过100次的用户拉黑
- 基于黑名单的非法广告流量过滤机制
- 每天各省各城市各广告点击流量实时统计
- 统计每天各省top3实时热门广告
- 统计各广告最近1小时内的点击量趋势:各广告最近1小时内各分钟的点击量
- 使用高性能方式将实时统计结果写入mysql
- 实现实时计算程序的HA高可用性(Spark Streaming HA方案)
- 实现实时计算程序的性能调优(Spark Streaming Performence Tuning方案)
2、技术实现
1、实时计算各batch中的每天各用户对各广告的点击次数
2、使用高性能方式将每天各用户对各广告的点击次数写入MySQL中(更新)
3、使用filter过滤出每天对某个广告点击超过100次的黑名单用户,并写入MySQL中
4、使用transform操作,对每个batch RDD进行处理,都动态加载MySQL中的黑名单生成RDD,然后进行join后,过滤掉batch RDD中的黑名单用户的广告点击行为
5、使用updateStateByKey操作,实时计算每天各省各城市各广告的点击量,到时候更新到MySQL
6、使用transform结合Spark SQL,统计每天各省份top3热门广告:首先以每天各省各城市各广告的点击量数据作为基础,首先统计出每天各省份各广告的点击量;然后启动一个异步子线程,使用Spark SQL动态将数据RDD转换为DataFrame后,注册为临时表;最后使用Spark SQL开窗函数,统计出各省份top3热门的广告,并更新到MySQL中
7、使用window操作,对最近1小时滑动窗口内的数据,计算出各广告各分钟的点击量,并更新到MySQL中
8、实现实时计算程序的HA高可用性
9、对实时计算程序进行性能调优
3、数据格式分析 以及数据库设计
1、数据格式
timestamp 1450702800
province Jiangsu
city Nanjing
userid 100001
adid 100001
2、数据设计
①ad_user_click_count
CREATE TABLE `ad_user_click_count` (
`date` varchar(30) DEFAULT NULL,
`user_id` int(11) DEFAULT NULL,
`ad_id` int(11) DEFAULT NULL,
`click_count` int(11) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8
②ad_blacklist
CREATE TABLE `ad_blacklist` (
`user_id` int(11) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8
③ad_stat
CREATE TABLE `ad_stat` (
`date` varchar(30) DEFAULT NULL,
`province` varchar(100) DEFAULT NULL,
`city` varchar(100) DEFAULT NULL,
`ad_id` int(11) DEFAULT NULL,
`click_count` int(11) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8
④ad_province_top3
CREATE TABLE `ad_province_top3` (
`date` varchar(30) DEFAULT NULL,
`province` varchar(100) DEFAULT NULL,
`ad_id` int(11) DEFAULT NULL,
`click_count` int(11) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8
⑤ad_click_trend
CREATE TABLE `ad_click_trend` (
`date` varchar(30) DEFAULT NULL,
`hour` varchar(30) DEFAULT NULL,
`minute` varchar(30) DEFAULT NULL,
`ad_id` int(11) DEFAULT NULL,
`click_count` int(11) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8;