茄子快传数据分析之原理分析及数据清洗
版权声明：闻道有先后，术业有专攻。 https://blog.csdn.net/wlk_328909605/article/details/82227410
需求：联想集团有一款app产品叫茄子快传（有上亿的活跃用户，集中在第三世界国家）
现在需要开发一个数据分析系统，来对app的用户行为数据做各类分析；
原理：
流程如下图：
流程简单介绍：
用户通过茄子的客户端产生数据，
将使用时间，手机号，ip地址，手机的序列号，app的版本，app的下载渠道等重要信息上传到联想的web日志服务器上，服务器的后台系统打印出日志文件，通过flume（一种日志采集工具）将生成的日志上传到hdfs上，先进行数据清洗，将版本，渠道，用户等重要信息丢失的过滤掉，生成新的文件，数据加载到hive中，进行运算处理，处理后的结果通过sqoop（一种数据迁移工具）保存到关系型数据库中，比如MySql，再通过web服务器，将分析出的结果显示到浏览器上。
预处理需求（mapreduce）：
1/ 请对app事件请求日志进行预处理：
a) 过滤掉一些不合法数据（缺失device_id，app_ver_name,os_name，app_token，city,release_channel字段需要过滤）
b) 将原格式json，解析成csv（逗号分隔的文本）格式，并去掉”events”字段
c) 在原始数据中，追加一个字段user_id（如果是苹果，就用device_id,如果是android，就用android_id）
数据预处理的时候，只需要map就可以完成，所以就不需要reduce了。
处理要求：device_id，app_ver_name,os_name，app_token，city,release_channel 缺失则过滤
代码如下：
package com.cleanLog;
import java.io.IOException; import org.apache.commons.lang.StringUtils; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.NullWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; import org.codehaus.jackson.JsonNode; import org.codehaus.jackson.map.ObjectMapper; public class AppLogClean { public static class MapTask extends Mapper<LongWritable, Text, Text, NullWritable>{ @Override protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, NullWritable>.Context context) throws IOException, InterruptedException { String line = value.toString(); ObjectMapper mapper = new ObjectMapper(); JsonNode log = mapper.readTree(line); JsonNode header = log.get("header"); if(StringUtils.isBlank(header.get("device_id").getTextValue())|| //也可以直接getString（） StringUtils.isBlank(header.get("app_ver_name").getTextValue())|| StringUtils.isBlank(header.get("os_name").getTextValue())|| StringUtils.isBlank(header.get("app_token").getTextValue())|| StringUtils.isBlank(header.get("city").getTextValue())|| StringUtils.isBlank(header.get("release_channel").getTextValue())) { return; }else { String user_id = ""; if (header.get("device_id_type").getTextValue().equals("mac")) { user_id = header.get("device_id").getTextValue(); } else { user_id = header.get("android_id").getTextValue(); } StringBuilder sb = new StringBuilder(); sb.append(header.get("cid_sn").getTextValue()).append(","); sb.append(header.get("mobile_data_type").getTextValue()).append(","); sb.append(header.get("os_ver").getTextValue()).append(","); sb.append(header.get("mac").getTextValue()).append(","); sb.append(header.get("resolution").getTextValue()).append(","); sb.append(header.get("commit_time").getTextValue()).append(","); sb.append(header.get("sdk_ver").getTextValue()).append(","); sb.append(header.get("device_id_type").getTextValue()).append(","); sb.append(header.get("city").getTextValue()).append(","); sb.append(header.get("android_id").getTextValue()).append(","); sb.append(header.get("device_model").getTextValue()).append(","); sb.append(header.get("carrier").getTextValue()).append(","); sb.append(header.get("promotion_channel").getTextValue()).append(","); sb.append(header.get("app_ver_name").getTextValue()).append(","); sb.append(header.get("imei").getTextValue()).append(","); sb.append(header.get("app_ver_code").getTextValue()).append(","); sb.append(header.get("pid").getTextValue()).append(","); sb.append(header.get("net_type").getTextValue()).append(",")