大数据云端实验室项目实战-微博舆情大数据分析有感

　　大数据开发、只能硬件和图形图像需求增长最快，需求人员最多。对微博数据分析平台搭建，以及微博数据分析平台数据存储模块设计与实现。
　　最好有一定软件开发方面的知识功底，比如了解网站开发、OA开发、Linux操作系统

引言、云端实验室环境

基于开源的ambari大数据平台，部署了7个节点：

一、项目背景

企业可能对用户在微博上的评价内容有监测需求，如活动效果、用户对产品的评价，用户关注于产品的价格还是功能等等。

本平台用来获取微博的数据（数据量大、非结构化数据），进行数据分析，存储在云平台，将结果输出给企业。

二、项目架构

2.1. 数据源
微博数据：

beCommentWeiboID 是否评论
beForwardWeiboId 是否转发微博
catchTime 抓取时间
commentCount 评论次数
content 内容
createTime 创建时间
info1 信息字段1
info2 信息字段2
info3 信息字段3
melevel no sure
musicurl 音乐链接
pic_list 照片列表（最多有三个）
praiseCount 点赞人数
reportCount 转发人数
source 数据来源
ueserId 用户id
videourl 视频连接
weiboId 微博id
weiboUrl 微博网址

2.2 数据层

本次数据层主要讲主数据仓库。
数据仓库是为应用层提供数据服务的。

数据仓库表设计

层次	库名	表名
ODS	ODS	ODS_WEIBO_LOG
ODS	ODS	ODS_WEIBO_EMOTION
DW	DW	DW_USER_CLIENT
DW	DW	DW_USER_KOL
DW	DW	DW_EMOTION_ANA
DW	DW	DW_VIDEO_ANA
DW	DW	DW_WEIBO_VOL
DW	DW	DW_USER_ACITIVE
APP	APP	APP_CLIENT_COUNT_TOP10
APP	APP	APP_IPHONE_USER
APP	APP	APP_POS_PROPOTION_TOP10
APP	APP	APP_REPORT_COUNT_TOP10
APP	APP	APP_MAX_POS_POWER_USER
APP	APP	APP_WEIBO_VOL_TOP10

数据仓库一般是离线数据分析使用，每天要跑的固化需求。如果是临时需求（提数），就要让大数据开发人员专门做一条数据报表出来。
2.3 平台层

ODS层：数据是清洗后的

2.4. APP区
从数据仓库区取数据分析展示

2.5 大数据分析与研发基本工作内容：
• 大数据平台数据仓库、ETL模块建模及设计开发
• 需求搜集、数据分析并参与设计数据制作
• 调度及数据质量的检测和监控，形成数据反馈优化
• 大数据平台接口开发与维护
• Spark/Hadoop等大数据计算平台的研发以及优化
• 大数据项目架构与规划

三、平台演示
3.1 运维人员一般使用Ambari，作为大数据的管理平台，而给开发人员使用跳板机（或堡垒机）。

3.2 开发界面示例：

select count(*) from web_log_192g

3.3 公司开发时，运维一般给不同团队分配不同队列，不同队列会有不同资源

3.4 虽然Spark比较成熟，但大多数公司对离线分析还是用Hive多一些。

3.5 企业微博声量号的分析：
统计微博最新状态下被评论最多的Top10账户id，
注意：每个用户的微博进行去重之后，筛选出同一条微博的最新状态

3.6 开发有两种方式，一种在Ambari web平台写脚本。

3.7 实际中使用引入一个开发平台。这里使用Hue平台

3.8 每天都要跑的定时任务，一般用这样的平台设置一些权限

3.9 查询页面面写经常用的SQL

3.10 保存点击Save As

3.11 平时开发的SQL都可以保存下来

3.12 如果要执行，那要设计一个执行器

3.13 企业中使用一般会针对这个界面进行二次开发
新建一个流程：

3.14 然后添加流程：

3.15选择数据：

3.16 固定的报表一般会配置WorkFlow，这里使用Oozie作为工作流平台