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-1.29.2status_maxwell(){result=`ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | wc -l`return $result
}start_maxwell(){status_maxwellif [[ $? -lt 1 ]]; thenecho "启动Maxwell"$MAXWELL_HOME/bin/maxwell --config $MAXWELL_HOME/config.properties --filter="exclude: *.*, include: db.*, exclude: *.*, include: *.t_pay_order" --daemonelseecho "Maxwell正在运行"fi
}stop_maxwell(){status_maxwellif [[ $? -gt 0 ]]; thenecho "停止Maxwell"ps -ef | grep com.zendesk.maxwell.Maxwell | grep -v grep | awk '{print $2}' | xargs kill -9elseecho "Maxwell未在运行"fi
}case $1 instart )start_maxwell;;stop )stop_maxwell;;restart )stop_maxwellstart_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