用户行为日志概述
用户行为日志:
用户每次访问网站时所有的行为数据(访问、浏览、搜索、点击…)
用户行为轨迹、流量日志
为什么要记录用户访问行为日志
网站页面的访问量
网站的黏性
推荐
日志产生的方式
nginx
ajax
用户行为日志的内容
ip
账号
访问时间区域
客户端浏览器
访问模块
如何跳转来的
等等
日志数据内容:
1)访问的系统属性: 操作系统、浏览器等等
2)访问特征:点击的url、从哪个url跳转过来的(referer)、页面上的停留时间等
3)访问信息:session_id、访问ip(访问城市)等
如下是一条日志记录
2013-05-19 13:00:00 http://www.taobao.com/17/?tracker_u=1624169&type=1 B58W48U4WKZCJ5D1T3Z9ZY88RU7QA7B1 http://hao.360.cn/ 1.196.34.243
用户行为日志分析的意义
网站的眼睛
网站的神经
网站的大脑
离线数据处理架构(重点:架构图很重要)
数据处理流程
1)数据采集
Flume: web日志写入到HDFS
2)数据清洗
脏数据
Spark、Hive、MapReduce 或者是其他的一些分布式计算框架
清洗完之后的数据可以存放在HDFS(Hive/Spark SQL)
3)数据处理
按照我们的需要进行相应业务的统计和分析
Spark、Hive、MapReduce 或者是其他的一些分布式计算框架
4)处理结果入库
`结果可以存放到RDBMS、NoSQL
5)数据的可视化
通过图形化展示的方式展现出来:饼图、柱状图、地图、折线图
ECharts、HUE、Zeppelin
项目需求
统计imooc主站访问日志的浏览器访问次数
功能实现之UserAgent解析类测试
根据日志信息收取浏览器信息
针对不同的浏览器进行统计
开源项目使用github.com/yammer/user_agent的User Agent Parser
clone下来到本地
maven编译mvn clean package -DskipTest
maven安装一下mvn clean install -DskipTest
在pom.xml中添加解析的依赖
<!--添加UserAgent解析的依赖-->
<dependency&g