尚硅谷数仓实战之1项目需求及架构设计

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

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

框架版本选型

尚硅谷数仓实战之1项目需求及架构设计

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

服务器选型

尚硅谷数仓实战之1项目需求及架构设计

集群规模

尚硅谷数仓实战之1项目需求及架构设计

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

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

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

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

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

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}