[阿里云][日志服务][数据加工][数据分析]基于日志服务(SLS)实现电商数据加工与分析

本文要点（json函数、ip映射函数专题）

• 如何使用阿里云日志服务-数据加工做清洗数据
  
• 如何使用阿里云日志服务强大的SQL做数据分析
  
• 如何配置数据仪表大盘
  
  

日志数据样例

本文中的日志数据，以某大型电商一段时间的成交量数据为背景来展开工作的。具体日志数据如下：

首先，从日志中可以看出每个用户购买的商品名称、商品价格、商品描述、商品分类以及用户的ip地址。此外，为了客户隐私本文中的隐去用户id。

需求

1. 根据ip地址解析出用户的地理位置（省市国家信息）；
2. 然后依据每个用户IP解析的位置信息，分析每个省市各类产品之间的销售额，并制定相应的营销战略。
   

使用数据加工进行数据清洗

加工流程

加工操作

1、点击搜索框右上第一个按钮“数据加工”进入加工页面

2、其次点击预览数据，做一些提前的配置

3、第一次点击的预览界面如下，其中在高级配置ak_id, ak_key主要是为了使用数据加工解析ip函数使用的（使用这种方式主要是安全，如果数据加工语法中没有使用到AK则可以不配置）具体AccessKeyId，AccessKey相关信息请参考访问秘钥配置和子账号授权。

4、接下来我们开始使用数据加工

e_set("geo",geo_parse(v("ip"), ip_db=res_oss_file(endpoint='http://oss-cn-hangzhou.aliyuncs.com',
                                                 ak_id=res_local("ak_id"),
                                                 ak_key=res_local("ak_key"),
                                                 bucket='log-etl-staging', file='ipipfree.ipdb',
                                                               format='binary')))
e_json("geo", depth=2)
e_drop_fields("geo")
e_if(e_search("province==中国"),e_drop())

语法详解

• 首先需要在OSS上存一份IP解析库文件（文中使用的是ipipfree库）
• 然后使用res_oss_file函数从OSS上拉取存入内存中
• 在使用geo_parse函数对ip字段进行处理，解析出省市国家信息。此函数返回的是一个json数据

此时，点击下预览效果如下：

• 使用e_json把geo字段的json数据展开，并且使用e_drop函数删除geo字段信息

从上图中可以看出解析出来的有脏数据即"province: 中国"这种日志信息，我在这里的处理是使用e_if,e_search和e_drop配合使用删除这些脏数据。

如上图所示，目前的数据基本上都是正常数据。接下来是对加工的数据进行加工配置，以下图中的右侧图示表示将加工的数据分发到一个shop的logstore中。

数据加工诊断

点击上图中提示按钮，可进入数据加工任务详情页面，在这里可以看加工出错日志、加工消费记录等重要信息。具体如下图：

保存数据加工之后，可能在自己目标的logstore中不能及时看到加工后的数据，是因为使用数据加工会有一个延时速率，具体信息参考数据加工仪表盘，创建告警参考状态监控与告警。

使用日志服务SQL语句进行数据分析

以下图是通过sql查询所展示数据仪表大盘：

SQL分析

注意：在使用sql分析的时候，对应的字段需要提前建立好索引。在shop这个logstore中，我们需要提前建立好category, city, country, province, good_price这些字段的索引（good_price建立索引的时候选择double类型，其他的都为text类型就可以）。
做分析的时候，首先我们需要知道我们需要统计什么信息，对比什么信息，得出什么样的结论等等。在这里我们的需求有以下即方面：
1、统计各个省之间的各个品类的销售额
2、统计单个品类各省之间的销售额
3、统计单个省下各个市之间的销售额
4、对全国销售额进行地图可视化

统计各省之间的各个品类的销售额

我们可以这样写SQL语句进行分析：* | SELECT province, category, sum(good_price) as totalCount GROUP BY province,category
这条语句表示的是选出每个省的每个品类的总价。
下图表示的是在查询框里输入以上sql分析语句之后进入统计图表，然后点击流图进行配置，province为X轴，totalCount为Y轴，category为聚合列。

通过上图分析可知总体情况，数码产品品类的销售额占所有销售品类的主要部分，其次是化妆品，最后是图书。
此外，通过词云统计，可以统计出山东，广东等省是销售额占比大省。词云具体配置为：

统计单个品类各省之间的销售额

以下以数码产品为例：

* | SELECT province, category, sum(good_price) as totalCount WHERE category='数码产品' GROUP BY province,category

由上图分析可知山东，广东省是数码产品消费大省，后续可以加大促销力度。

统计单个省下各个市之间的销售额

以下示例以浙江省为示例：

* | SELECT province, category,city, sum(good_price) as totalCount WHERE province='浙江' AND city!='null' GROUP BY province,category,city

从上图中可以分析出浙江省各个市之间的各个品类的销售额。

数据仪表大盘

点击以下图中的“添加到仪表盘”按钮

会跳出以下界面

配置完成之后，点击以下图中示意标记进入仪表大盘中心

其中的右上角的编辑，可以调整各个图的大小以及位置等