锐客网

  1. 首页 > it技术 > >

尚硅谷数仓实战之1项目需求及架构设计

@TOC

数仓笔记
数据仓库和数据集市详解：ODS、DW、DWD、DWM、DWS、ADS
尚硅谷数仓实战之1项目需求及架构设计
尚硅谷数仓实战之2数仓分层+维度建模
尚硅谷数仓实战之3数仓搭建
尚硅谷数据仓库4.0视频教程
B站直达： 2021新版电商数仓V4.0丨大数据数据仓库项目实战
百度网盘： https://pan.baidu.com/s/1FGUb... ，提取码：yyds
阿里云盘： https://www.aliyundrive.com/s... ，提取码：335o
第2章 项目需求及架构设计 需求分析
  • 用户行为数据采集平台搭建
  • 业务数据采集平台搭建
  • 数据仓库维度建模
  • 业务埋点
  • 即席查询工具，随时进行指标分析
  • 集群监控，异常报警
  • 元数据管理
  • 质量监控
  • 权限管理
项目框架 技术选型
考虑因素：数据量大小、业务需求、行业内经验、技术成熟度、维护成本、总成本运算
相关技术列举：
尚硅谷数仓实战之1项目需求及架构设计
文章图片

数据流程设计
根据需求选择合适的技术，设计规划具体的数据仓库架构流程
尚硅谷数仓实战之1项目需求及架构设计
文章图片

框架版本选型
尚硅谷数仓实战之1项目需求及架构设计
文章图片

尚硅谷测试稳定适配的版本
尚硅谷数仓实战之1项目需求及架构设计
文章图片

服务器选型
尚硅谷数仓实战之1项目需求及架构设计
文章图片

集群规模
尚硅谷数仓实战之1项目需求及架构设计
文章图片

集群资源规划设计
在企业中通常会搭建一套生产集群和一套测试集群。生产集群运行生产任务，测试集群用于上线前代码编写和测试。
1）生产集群
（1）消耗内存的分开（2）数据传输数据比较紧密的放在一起（Kafka 、Zookeeper）（3）客户端尽量放在一到两台服务器上，方便外部访问（4）有依赖关系的尽量放到同一台服务器（例如：Hive和Azkaban Executor）

1 2 3 4 5 6 7 8 9 10
nn nn dn dn dn dn dn dn dn dn
rm rm nm nm nm nm nm nm
nm nm
zk zk zk
kafka kafka kafka
Flume Flume flume
Hbase Hbase Hbase
hive hive
mysql mysql
spark spark
Azkaban Azkaban ES ES
2）测试集群服务器规划
服务名称 子服务 服务器hadoop102 服务器hadoop103 服务器hadoop104
HDFS NameNode √
DataNode √ √ √
SecondaryNameNode √
Yarn NodeManager √ √ √
Resourcemanager √
Zookeeper Zookeeper Server √ √ √
Flume（采集日志） Flume √ √
Kafka Kafka √ √ √
Flume（消费Kafka） Flume √
Hive Hive √
MySQL MySQL √
Sqoop Sqoop √
Presto Coordinator √
Worker √ √
Azkaban AzkabanWebServer √
AzkabanExecutorServer √
Spark √
Kylin √
HBase HMaster √
HRegionServer √ √ √
Superset √
Atlas √
Solr Jar √
服务数总计 19 8 8
第3章 数据生成模块 目标数据 我们要收集和分析的数据主要包括页面数据、事件数据、曝光数据、启动数据和错误数据。
页面
页面数据主要记录一个页面的用户访问情况，包括访问时间、停留时间、页面路径等信息。
尚硅谷数仓实战之1项目需求及架构设计
文章图片

字段名称 字段描述
page_id 页面idhome（"首页"）,category（"分类页"）,discovery（"发现页"）,top_n（"热门排行"）,favor（"收藏页"）,search（"搜索页"）,good_list（"商品列表页"）,good_detail（"商品详情"）,good_spec（"商品规格"）,comment（"评价"）,comment_done（"评价完成"）,comment_list（"评价列表"）,cart（"购物车"）,trade（"下单结算"）,payment（"支付页面"）,payment_done（"支付完成"）,orders_all（"全部订单"）,orders_unpaid（"订单待支付"）,orders_undelivered（"订单待发货"）,orders_unreceipted（"订单待收货"）,orders_wait_comment（"订单待评价"）,mine（"我的"）,activity（"活动"）,login（"登录"）,register（"注册"）;
last_page_id 上页id
page_item_type 页面对象类型sku_id（"商品skuId"）,keyword（"搜索关键词"）,sku_ids（"多个商品skuId"）,activity_id（"活动id"）,coupon_id（"购物券id"）;
page_item 页面对象id
sourceType 页面来源类型promotion（"商品推广"）,recommend（"算法推荐商品"）,query（"查询结果商品"）,activity（"促销活动"）;
during_time 停留时间（毫秒）
ts 跳入时间
事件
事件数据主要记录应用内一个具体操作行为，包括操作类型、操作对象、操作对象描述等信息。
尚硅谷数仓实战之1项目需求及架构设计
文章图片

字段名称 字段描述
action_id 动作idfavor_add（"添加收藏"）,favor_canel（"取消收藏"）,cart_add（"添加购物车"）,cart_remove（"删除购物车"）,cart_add_num（"增加购物车商品数量"）,cart_minus_num（"减少购物车商品数量"）,trade_add_address（"增加收货地址"）,get_coupon（"领取优惠券"）; 注：对于下单、支付等业务数据，可从业务数据库获取。
item_type 动作目标类型sku_id（"商品"）,coupon_id（"购物券"）;
item 动作目标id
ts 动作时间
曝光
【尚硅谷数仓实战之1项目需求及架构设计】曝光数据主要记录页面所曝光的内容，包括曝光对象，曝光类型等信息。
尚硅谷数仓实战之1项目需求及架构设计
文章图片

字段名称 字段描述
displayType 曝光类型promotion（"商品推广"）,recommend（"算法推荐商品"）,query（"查询结果商品"）,activity（"促销活动"）;
item_type 曝光对象类型sku_id（"商品skuId"）,activity_id（"活动id"）;
item 曝光对象id
order 曝光顺序
启动
启动数据记录应用的启动信息。
尚硅谷数仓实战之1项目需求及架构设计
文章图片

字段名称 字段描述
entry 启动入口icon（"图标"）,notification（"通知"）,install（"安装后启动"）;
loading_time 启动加载时间
open_ad_id 开屏广告id
open_ad_ms 广告播放时间
open_ad_skip_ms 用户跳过广告时间
ts 启动时间
错误
错误数据记录应用使用
过程中的错误信息，包括错误编号及错误信息。
字段名称 字段描述
error_code 错误码
msg 错误信息
数据埋点 主流埋点方式（了解）
目前主流的埋点方式，有代码埋点（前端/后端）、可视化埋点、全埋点三种。
代码埋点是通过调用埋点SDK函数，在需要埋点的业务逻辑功能位置调用接口，上报埋点数据。例如，我们对页面中的某个按钮埋点后，当这个按钮被点击时，可以在这个按钮对应的 OnClick 函数里面调用SDK提供的数据发送接口，来发送数据。
可视化埋点只需要研发人员集成采集 SDK，不需要写埋点代码，业务人员就可以通过访问分析平台的“圈选”功能，来“圈”出需要对用户行为进行捕捉的控件，并对该事件进行命名。圈选完毕后，这些配置会同步到各个用户的终端上，由采集 SDK 按照圈选的配置自动进行用户行为数据的采集和发送。
全埋点是通过在产品中嵌入SDK，前端自动采集页面上的全部用户行为事件，上报埋点数据，相当于做了一个统一的埋点。然后再通过界面配置哪些数据需要在系统里面进行分析。
埋点数据上报时机
埋点数据上报时机包括两种方式。
方式一，在离开该页面时，上传在这个页面产生的所有数据（页面、事件、曝光、错误等）。优点，批处理，减少了服务器接收数据压力。缺点，不是特别及时。
方式二，每个事件、动作、错误等，产生后，立即发送。优点，响应及时。缺点，对服务器接收数据压力比较大。
本次项目采用方式一埋点。
埋点数据日志结构
我们的日志结构大致可分为两类，一是普通页面埋点日志，二是启动日志。
普通页面日志结构如下，每条日志包含了，当前页面的页面信息，所有事件（动作）、所有曝光信息以及错误信息。除此之外，还包含了一系列公共信息，包括设备信息，地理位置，应用信息等，即下边的common字段。
（1）普通页面埋点日志格式
{ "common": {-- 公共信息"ar": "230000",-- 地区编码"ba": "iPhone",-- 手机品牌"ch": "Appstore",-- 渠道"is_new": "1",--是否首日使用，首次使用的当日，该字段值为1，过了24:00，该字段置为0"md": "iPhone 8",-- 手机型号"mid": "YXfhjAYH6As2z9Iq", -- 设备id"os": "iOS 13.2.9",-- 操作系统"uid": "485",-- 会员id"vc": "v2.1.134"-- app版本号 },"actions": [--动作(事件){"action_id": "favor_add",--动作id"item": "3",--目标id"item_type": "sku_id",--目标类型"ts": 1585744376605--动作时间戳} ], "displays": [{"displayType": "query",-- 曝光类型"item": "3",-- 曝光对象id"item_type": "sku_id",-- 曝光对象类型"order": 1,--出现顺序"pos_id": 2--曝光位置},{"displayType": "promotion","item": "6","item_type": "sku_id","order": 2, "pos_id": 1} ], "page": {--页面信息"during_time": 7648,-- 持续时间毫秒"item": "3",-- 目标id"item_type": "sku_id",-- 目标类型"last_page_id": "login",-- 上页类型"page_id": "good_detail",-- 页面ID"sourceType": "promotion"-- 来源类型 },"err":{--错误"error_code": "1234",--错误码"msg": "***********"--错误信息}, "ts": 1585744374423--跳入时间戳，何时发送到服务器}

（2）启动日志格式

启动日志结构相对简单，主要包含公共信息，启动信息和错误信息。
{ "common": {"ar": "370000","ba": "Honor","ch": "wandoujia","is_new": "1","md": "Honor 20s","mid": "eQF5boERMJFOujcp","os": "Android 11.0","uid": "76","vc": "v2.1.134" }, "start": {"entry": "icon",--icon手机图标notice 通知install 安装后启动"loading_time": 18803,--启动加载时间"open_ad_id": 7,--广告页ID"open_ad_ms": 3449,-- 广告总共播放时间"open_ad_skip_ms": 1989-- 用户跳过广告时点 },"err":{--错误"error_code": "1234",--错误码"msg": "***********"--错误信息}, "ts": 1585744304000} ?```xxxxxxxxxx { "common": {"ar": "370000","ba": "Honor","ch": "wandoujia","is_new": "1","md": "Honor 20s","mid": "eQF5boERMJFOujcp","os": "Android 11.0","uid": "76","vc": "v2.1.134" }, "start": {"entry": "icon",--icon手机图标notice 通知install 安装后启动"loading_time": 18803,--启动加载时间"open_ad_id": 7,--广告页ID"open_ad_ms": 3449,-- 广告总共播放时间"open_ad_skip_ms": 1989-- 用户跳过广告时点 },"err":{--错误"error_code": "1234",--错误码"msg": "***********"--错误信息}, "ts": 1585744304000}

    推荐阅读


    上一篇：尚硅谷数仓实战之2数仓分层+维度建模

    下一篇：云端干货｜如何使用Docker制作镜像