1.架构说明

在上6节当中，我们已经完成了从ods层到dwd层的转换，包括日志数据和业务数据，下面我们开始做dwm层的任务。

DWM 层主要服务 DWS，因为部分需求直接从 DWD 层到DWS 层中间会有一定的计算量，而且这部分计算的结果很有可能被多个 DWS 层主题复用，所以部分 DWD 会形成一层 DWM，我们这里主要涉及业务：

访问UV计算
跳出明细计算
订单宽表
支付宽表

因为实时计算与离线不同，实时计算的开发和运维成本都是非常高的，要结合实际情况考虑是否有必要象离线数仓一样，建一个大而全的中间层。如果没有必要大而全，这时候就需要大体规划一下要实时计算出的指标需求了。把这些指标以主题宽表的形式输出就是我们的 DWS 层。

统计主题	需求指标	输出方式	计算来源	来源层级
访客	pv	可视化大屏	page_log直接可求	dwd
	uv	可视化大屏	需要用page_log过滤去重	dwm
	跳出率	可视化大屏	需要用page_log行为判断	dwm
	进入页面数	可视化大屏	需要识别开始访问标识	dwd
	连续访问时长	可视化大屏	page_log直接可求	dwd
商品	点击	多维分析	page_log直接可求	dwd
	收藏	多维分析	收藏表	dwd
	加入购物车	多维分析	购物车表	dwd
	下单	可视化大屏	订单宽表	dwm
	支付	多维分析	支付宽表	dwm
	退款	多维分析	退款表	dwd
	评论	多维分析	评论表	dwd
地区	pv	多维分析	page_log直接可求	dwd
	uv	多维分析	需要page_log过滤去重	dwm
	下单	可视化大屏	订单宽表	dwm
关键词	搜索关键词	可视化大屏	page_log直接可求	dwd
	点击商品关键词	可视化大屏	商品主题下单再次聚合	dws
	下单商品关键词	可视化大屏	商品主题下单再次聚合	dws

2. 访客UV计算

UV，全称是 Unique Visitor，即独立访客，对于实时计算中，也可以称为 DAU(Daily Active User)，即每日活跃用户，因为实时计算中的uv通常是指当日的访客数。那么如何从用户行为日志中识别出当日的访客，那么有两点：

其一，是识别出该访客打开的第一个页面，表示这个访客开始进入我们的应用
其二，由于访客可以在一天中多次进入应用，所以我们要在一天的范围内进行去重

代码，新建任务UniqueVisitApp.java，我们要从kafka的ods层消费数据，主题为：dwd_page_log

package com.zhangbao.gmall.realtime.app.dwm;
import com.alibaba.fastjson.JSON;
import com.alibaba.fastjson.JSONObject;
import com.zhangbao.gmall.realtime.utils.MyKafkaUtil;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.runtime.state.filesystem.FsStateBackend;
import org.apache.flink.streaming.api.CheckpointingMode;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer;/*** @author: zhangbao* @date: 2021/9/12 19:51* @desc: uv 计算**/
public class UniqueVisitApp {public static void main(String[] args) {StreamExecutionEnvironment env = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(new Configuration());//设置并行度env.setParallelism(4);//设置检查点env.enableCheckpointing(5000, CheckpointingMode.EXACTLY_ONCE);env.getCheckpointConfig().setCheckpointTimeout(60000);env.setStateBackend(new FsStateBackend("hdfs://hadoop101:9000/gmall/flink/checkpoint/uniqueVisit"));//指定哪个用户读取hdfs文件System.setProperty("HADOOP_USER_NAME","zhangbao");//从kafka读取数据源String sourceTopic = "dwd_page_log";String group = "unique_visit_app_group";FlinkKafkaConsumer<String> kafkaSource = MyKafkaUtil.getKafkaSource(sourceTopic, group);DataStreamSource<String> kafkaDs = env.addSource(kafkaSource);//数据转换SingleOutputStreamOperator<JSONObject> jsonObjDs = kafkaDs.map(obj -> JSON.parseObject(obj));jsonObjDs.print("jsonObjDs >>>");try {env.execute("task uniqueVisitApp");} catch (Exception e) {e.printStackTrace();}}
}

测试从kafka消费数据

启动服务：zk，kf，logger.sh ，hadoop
运行任务：BaseLogTask.java，UniqueVisitApp.java
执行日志生成服务器
查看控制台输出

目前任务执行流程

UniqueVisitApp程序接收到的数据

{"common": {"ar": "440000","uid": "48","os": "Android 11.0","ch": "xiaomi","is_new": "0","md": "Sumsung Galaxy S20","mid": "mid_9","vc": "v2.1.134","ba": "Sumsung"},"page": {"page_id": "login","during_time": 4621,"last_page_id": "good_detail"},"ts": 1631460110000
}

3. 核心过滤流程

从kafka的ods层取出数据之后，就该做具体的uv处理了。

1.首先用 keyby 按照 mid 进行分组，每组表示当前设备的访问情况

2.分组后使用 keystate 状态，记录用户进入时间，实现 RichFilterFunction 完成过滤

3.重写 open 方法用来初始化状态

4.重写 filter 方法进行过滤

可以直接筛掉 last_page_id 不为空的字段，因为只要有上一页，说明这条不是这个用户进入的首个页面。
状态用来记录用户的进入时间，只要这个 lastVisitDate 是今天，就说明用户今天已经访问过了所以筛除掉。如果为空或者不是今天，说明今天还没访问过，则保留。
因为状态值主要用于筛选是否今天来过，所以这个记录过了今天基本上没有用了，这里 enableTimeToLive 设定了 1 天的过期时间，避免状态过大。

package com.zhangbao.gmall.realtime.app.dwm;import com.alibaba.fastjson.JSON;
import com.alibaba.fastjson.JSONObject;
import com.zhangbao.gmall.realtime.utils.MyKafkaUtil;
import org.apache.flink.api.common.functions.RichFilterFunction;
import org.apache.flink.api.common.state.StateTtlConfig;
import org.apache.flink.api.common.state.ValueState;
import org.apache.flink.api.common.state.ValueStateDescriptor;
import org.apache.flink.api.common.time.Time;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.runtime.state.filesystem.FsStateBackend;
import org.apache.flink.streaming.api.CheckpointingMode;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.KeyedStream;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer;import java.text.SimpleDateFormat;
import java.util.Date;/*** @author: zhangbao* @date: 2021/9/12 19:51* @desc: uv 计算**/public class UniqueVisitApp {public static void main(String[] args) {//webui模式，需要添加pom依赖StreamExecutionEnvironment env = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(new Configuration());
//        StreamExecutionEnvironment env1 = StreamExecutionEnvironment.createLocalEnvironment();//设置并行度env.setParallelism(4);//设置检查点env.enableCheckpointing(5000, CheckpointingMode.EXACTLY_ONCE);env.getCheckpointConfig().setCheckpointTimeout(60000);env.setStateBackend(new FsStateBackend("hdfs://hadoop101:9000/gmall/flink/checkpoint/uniqueVisit"));//指定哪个用户读取hdfs文件System.setProperty("HADOOP_USER_NAME","zhangbao");//从kafka读取数据源String sourceTopic = "dwd_page_log";String group = "unique_visit_app_group";FlinkKafkaConsumer<String> kafkaSource = MyKafkaUtil.getKafkaSource(sourceTopic, group);DataStreamSource<String> kafkaDs = env.addSource(kafkaSource);//数据转换SingleOutputStreamOperator<JSONObject> jsonObjDs = kafkaDs.map(obj -> JSON.parseObject(obj));//按照设备id分组KeyedStream<JSONObject, String> keyByMid = jsonObjDs.keyBy(jsonObject -> jsonObject.getJSONObject("common").getString("mid"));//过滤SingleOutputStreamOperator<JSONObject> filterDs = keyByMid.filter(new RichFilterFunction<JSONObject>() {ValueState<String> lastVisitDate = null;SimpleDateFormat sdf = null;@Overridepublic void open(Configuration parameters) throws Exception {//初始化时间sdf = new SimpleDateFormat("yyyyMMdd");//初始化状态ValueStateDescriptor<String> lastVisitDateDesc = new ValueStateDescriptor<>("lastVisitDate", String.class);//统计日活dau，状态数据保存一天，过一天即失效StateTtlConfig stateTtlConfig = StateTtlConfig.newBuilder(Time.days(1)).build();lastVisitDateDesc.enableTimeToLive(stateTtlConfig);this.lastVisitDate = getRuntimeContext().getState(lastVisitDateDesc);}@Overridepublic boolean filter(JSONObject jsonObject) throws Exception {//上一个页面如果有值，则不是首次访问String lastPageId = jsonObject.getJSONObject("page").getString("last_page_id");if(lastPageId != null && lastPageId.length()>0){return false;}//获取用户访问日期Long ts = jsonObject.getLong("ts");String mid = jsonObject.getJSONObject("common").getString("mid");String lastDate = sdf.format(new Date(ts));//获取状态日期String lastDateState = lastVisitDate.value();if(lastDateState != null && lastDateState.length()>0 && lastDateState.equals(lastDate)){System.out.println(String.format("已访问! mid：%s，lastDate：%s",mid,lastDate));return false;}else {lastVisitDate.update(lastDate);System.out.println(String.format("未访问! mid：%s，lastDate：%s",mid,lastDate));return true;}}});filterDs.print("filterDs >>>");try {env.execute("task uniqueVisitApp");} catch (Exception e) {e.printStackTrace();}}
}

注：1.在测试时，发现uv没有数据，所以把BaseLogTask任务的侧输出流改一下，如下图所示：

2.webui模式添加pom依赖

<!-- flink webui -->
<dependency><groupId>org.apache.flink</groupId><artifactId>flink-runtime-web_2.12</artifactId><version>1.12.0</version>
</dependency>

4. 测试

启动zk，kafka，logger.sh，hdfs，BaseLogTask，UniqueVisitApp
执行流程
- 模拟生成的日志jar >> nginx >> 日志采集服务 >> kafka(ods) >> baseLogApp(分流) >> kafka(dwd) >> UniqueVisitApp(独立访客) >> dwm_unique_visit

经测试，流程已通。

7.Flink实时项目之独立访客开发相关推荐

【Flink】需求实现之独立访客数量的计算和布隆过滤器的原理及使用
文章目录一独立访客数量计算二布隆过滤器 1 什么是布隆过滤器 2 实现原理 (1)HashMap 的问题 (2)布隆过滤器数据结构 3 使用布隆过滤器去重一独立访客数量计算 public ...
java基础巩固-宇宙第一AiYWM：为了维持生计，做项目经验之~【多用户关注共同的参数的统计功能】开发总结、再来个独立访客(Unique Visitor，简称UV)统计番外篇~整起
实验室项目来了一个新需求:因为我们那个系统主要是人家用下位机把一些路面参数.空气湿度等参数测出来之后发送到我们阿里云服务器上的pg数据库中,然后我们对数据进行页面上的展示.然后公司那边说有个需求,就是 ...
唯一身份访问者（独立访客）与访问次数的区别
唯一身份访问者(独立访客)与访问次数的区别在进行网站分析前,对网站分析的基本度量的了解是非常必要的,这样才会深入理解网站分析,否则就会不知所云. 定义: 1.唯一身份访问者(Unique Visit ...
网站独立访客数UV的统计--海量数据去重
问题描述:统计每一小时的网站独立访客数UV(Unique Visitor) 问题背景:这是尚硅谷大数据技术之电商用户行为数据分析的一道例题,武晟然老师讲授的方法是,自定义布隆过滤器进行UV统计.受到老 ...
网站统计中的PV(访问量)：UV(独立访客)：IP(独立IP)的定义与区别
--------首先来看看ip.uv和pv的定义---------- PV(访问量):即Page View, 即页面浏览量或点击量,用户每次刷新即被计算一次. UV(独立访客):即Unique Vis ...
独立IP、特产浏览量（PV）、访问次数（VV）、独立访客（UV）有什么区别?
转自 http://blog.sina.com.cn/s/blog_a5fc76bb0101073a.html 访问次数(VV):记录所有访客1天内访问了多少次您的特产,相同的访客有可能多次访问您的特 ...
如何查看微信小程序的累计独立访客（UV）
查看方式: 累计独立访客(UV)不低于 1000 点击左侧菜单栏的统计模块 3.选择数据看板-访问核心数据-,累计用户数就可以看到了开通条件累计独立访客(UV)不低于 1000 存在刷粉行为或有严 ...
4.Flink实时项目之数据拆分
Python微信订餐小程序课程视频 https://edu.csdn.net/course/detail/36074 Python实战量化交易理财系统 https://edu.csdn.net/cou ...
Java项目：springboot访客管理系统
作者主页:夜未央5788 简介:Java领域优质创作者.Java项目.学习资料.技术互助文末获取源码项目介绍 springboot搭建的访客管理系统,针对高端基地做严格把控来访人员信息管理,用户后 ...
9.Flink实时项目之订单宽表
1.需求分析订单是统计分析的重要的对象,围绕订单有很多的维度统计需求,比如用户.地区.商品.品类.品牌等等.为了之后统计计算更加方便,减少大表之间的关联,所以在实时计算过程中将围绕订单的相关数据整合 ...

7.Flink实时项目之独立访客开发

1.架构说明

2. 访客UV计算

3. 核心过滤流程

4. 测试

7.Flink实时项目之独立访客开发相关推荐

最新文章

热门文章