目录
Spark大型电商项目-用户活跃度分析模块一共实现了五个计算功能,七个实例
1.指定时间内话同次数显多的10个户
2.指定时间即内购买商品全额最多的10个用户
3.量近周期力相对之第一个周啊访问次数增长最识的10个用尸
4.最近周期户相对之第一个用期购买商品全部增长最快的10个用户
5.指定周期内的新用户在头天访问大数最多的10个用户
完整代码
UserActiveDegreeAnalyze.java
package graduation.scala.spark import org.apache.spark.SparkConf import org.apache.spark.sql.SparkSession /** * FileName: UserActiveDegreeAnalyze * Author: hadoop * Email: 3165845957@qq.com * Date: 19-8-4 下午11:31 * Description: * * 用户活跃度分析 * * 我们这次项目课程的升级,也跟spark从入门到精通的升级采取同步,采用scala+eclipse的方式来开发 * * 我个人而言,还是觉得应该用java去开发spark作业,因为hadoop是最重要的大数据引擎,hadoop mapreduce、hbase,全都是java * 整个公司的编程语言技术栈越简单越好,降低人员的招聘和培养的成本 * * 但是由于市面上,现在大部分的公司,做spark都是采取一种,spark用scala开发,所以开发spark作业也用scala * 课程为了跟市场保持同步,后面就随便采取scala来开发了 * */ object UserActiveDegreeAnalyze { case class UserActionLog(logId: Long, userId: Long, actionTime: String, actionType: Long, purchaseMoney: Double) case class UserActionLogVO(logId: Long, userId: Long, actionValue: Long) case class UserActionLogWithPurchaseMoneyVO(logId: Long, userId: Long, purchaseMoney: Double) def main(args: Array[String]) { // 如果是按照课程之前的模块,或者整套交互式分析系统的架构,应该先从mysql中提取用户指定的参数(java web系统提供界面供用户选择,然后java web系统将参数写入mysql中) // 但是这里已经讲了,之前的环境已经没有了,所以本次升级从简 // 我们就直接定义一个日期范围,来模拟获取了参数 val startDate = "2019-08-01"; val endDate = "2019-09-01"; // 开始写代码 // spark 2.0具体开发的细节和讲解,全部在从入门到精通中,这里不多说了,直接写代码 // 要不然如果没有看过从入门到精通的话,就自己去上网查spark 2.0的入门资料 val conf = new SparkConf().setAppName("UserActiveDegreeAnalyze").setMaster("local[2]") /*val spark = SparkSession .builder() .appName("UserActiveDegreeAnalyze") .master("local") .config("spark.sql.warehouse.dir", "D:\\test\\spark\\mall\\spark-warehouse") .getOrCreate()*/ val spark = SparkSession.builder().config(conf).getOrCreate() val sc = spark.sparkContext // 导入spark的隐式转换 import spark.implicits._ // 导入spark sql的functions import org.apache.spark.sql.functions._ val dataPath:String ="/home/hadoop/IdeaProjects/BigDataGraduationProject/log/" // 获取两份数据集 val userBaseInfo = spark.read.json(dataPath+"user_base_info.json") val userActionLog = spark.read.json(dataPath+"user_action_log.json") // 第一个功能:统计指定时间范围内的访问次数最多的10个用户 // 说明:数据不会搞的太多,但是一般来说,pm产品经理,都会抽取100个~1000个用户,供他们仔细分析 //{"logId":5518,"userId":28,"actionTime":"2019-08-05 23:22:39","actionType":1,"purchaseMoney":693.76} //{"userId":36,"userName":"userName36","registTime":"2019-08-05 23:22:38"} // userActionLog // // 第一步:过滤数据,找到指定时间范围内的数据 // .filter("actionTime >= '" + startDate + "' and actionTime <= '" + endDate + "' and actionType = 0") // // 第二步:关联对应的用户基本信息数据 // .join(userBaseInfo, userActionLog("userId") === userBaseInfo("userId")) // // 第三部:进行分组,按照userid和username // .groupBy(userBaseInfo("userId"), userBaseInfo("username")) // // 第四步:进行聚合 // .agg(count(userActionLog("logId")).alias("actionCount")) // // 第五步:进行排序 // .sort($"actionCount".desc) // // 第六步:抽取指定的条数 // .limit(10) // // 第七步:展示结果,因为监简化了,所以说不会再写入mysql // .show() // 第二个功能:获取指定时间范围内购买金额最多的10个用户 // 对金额进行处理的函数讲解 // feature,技术点的讲解:嵌套函数的使用 //{"logId":5518,"userId":28,"actionTime":"2019-08-05 23:22:39","actionType":1,"purchaseMoney":693.76} //{"userId":36,"userName":"userName36","registTime":"2019-08-05 23:22:38"} userActionLog // 第一步:过滤数据,找到指定时间范围内的数据 .filter("actionTime >= '" + startDate + "' and actionTime <= '" + endDate + "' and actionType = 1") // 第二步:关联对应的用户基本信息数据 .join(userBaseInfo, userActionLog("userId") === userBaseInfo("userId")) // 第三部:进行分组,按照userid和username .groupBy(userBaseInfo("userId"), userBaseInfo("username")) // 第四步:根据消费金额进行聚合 .agg(round(sum(userActionLog("purchaseMoney")),2).alias("totalPurchaseMoney")) //第五步:根据消费金额降序排序 .sort($"totalPurchaseMoney".desc) //第六步:抽取前10条数据 .limit(10) //第七步:展示数据 .show() // 第三个功能:统计最近一个周期相对上一个周期访问次数增长最多的10个用户 // 比如说我们设定一个周期是1个月 // 我们有1个用户,叫张三,那么张三在9月份这个周期内总共访问了100次,张三在10月份这个周期内总共访问了200次 // 张三这个用户在最近一个周期相比上一个周期,访问次数增长了100次 // 每个用户都可以计算出这么一个值 // 获取在最近两个周期内,访问次数增长最多的10个用户 // 周期,是可以由用户在web界面上填写的,java web系统会写入mysql,我们可以去获取本次执行的周期 // 假定1个月,2019-10-01~2019-10-31,上一个周期就是2019-09-01~2019-09-30 val userActionLogInFirstPeriod = userActionLog.as[UserActionLog] .filter("actionTime >= '2016-10-01' and actionTime <= '2016-10-31' and actionType = 0") .map{ userActionLogEntry => UserActionLogVO(userActionLogEntry.logId, userActionLogEntry.userId, 1) } val userActionLogInSecondPeriod = userActionLog.as[UserActionLog] .filter("actionTime >= '2016-01-01' and actionTime <= '2016-09-30' and actionType = 0") .map{ userActionLogEntry => UserActionLogVO(userActionLogEntry.logId, userActionLogEntry.userId, -1) } val userActionLogDS = userActionLogInFirstPeriod.union(userActionLogInSecondPeriod) userActionLogDS .join(userBaseInfo, userActionLogDS("userId") === userBaseInfo("userId")) .groupBy(userBaseInfo("userId"), userBaseInfo("username")) .agg(sum(userActionLogDS("actionValue")).alias("actionIncr")) .sort($"actionIncr".desc) .limit(10) .show() //第四个功能:统计最近一个周期相对上一个周期消费金额增长最多的10个用户 val userActionLogWithPurchaseMoneyInFirstPeriod = userActionLog.as[UserActionLog] .filter("actionTime >= '2019-10-01' and actionTime <= '2019-10-31' and actionType = 1") .map{ userActionLogEntry => UserActionLogWithPurchaseMoneyVO(userActionLogEntry.logId, userActionLogEntry.userId, userActionLogEntry.purchaseMoney) } val userActionLogWithPurchaseMoneyInSecondPeriod = userActionLog.as[UserActionLog] .filter("actionTime >= '2019-09-01' and actionTime <= '2019-09-30' and actionType = 1") .map{ userActionLogEntry => UserActionLogWithPurchaseMoneyVO(userActionLogEntry.logId, userActionLogEntry.userId, -userActionLogEntry.purchaseMoney) } val userActionLogWithPurchaseMoneyDS = userActionLogWithPurchaseMoneyInFirstPeriod.union(userActionLogWithPurchaseMoneyInSecondPeriod) userActionLogWithPurchaseMoneyDS .join(userBaseInfo, userActionLogWithPurchaseMoneyDS("userId") === userBaseInfo("userId")) .groupBy(userBaseInfo("userId"), userBaseInfo("username")) .agg(round(sum(userActionLogWithPurchaseMoneyDS("purchaseMoney")), 2).alias("purchaseMoneyIncr")) .sort($"purchaseMoneyIncr".desc) .limit(10) .show() // 第五个功能:统计指定注册时间范围内头7天访问次数最高的10个用户 // 举例,用户通过web界面指定的注册范围是2016-10-01~2016-10-31 userActionLog .join(userBaseInfo, userActionLog("userId") === userBaseInfo("userId")) .filter(userBaseInfo("registTime") >= "2019-10-01" && userBaseInfo("registTime") <= "2019-10-31" && userActionLog("actionTime") >= userBaseInfo("registTime") && userActionLog("actionTime") <= date_add(userBaseInfo("registTime"), 7) && userActionLog("actionType") === 0) .groupBy(userBaseInfo("userId"), userBaseInfo("username")) .agg(count(userActionLog("logId")).alias("actionCount")) .sort($"actionCount".desc) .limit(10) .show() // 第六个功能:统计指定注册时间范围内头7天访问消费金额最高的10个用户 userActionLog .join(userBaseInfo, userActionLog("userId") === userBaseInfo("userId")) .filter(userBaseInfo("registTime") >= "2016-10-01" && userBaseInfo("registTime") <= "2016-10-31" && userActionLog("actionTime") >= userBaseInfo("registTime") && userActionLog("actionTime") <= date_add(userBaseInfo("registTime"), 7) && userActionLog("actionType") === 1) .groupBy(userBaseInfo("userId"), userBaseInfo("username")) .agg(round(sum(userActionLog("purchaseMoney")),2).alias("purchaseMoneyTotal")) .sort($"purchaseMoneyTotal".desc) .limit(10) .show() // 第七个功能:统计指定注册时间范围内头7天访问次数最高的10个用户 // 举例,用户通过web界面指定的注册范围是2019-10-01~2019-10-31 //{"logId":5518,"userId":28,"actionTime":"2019-08-05 23:22:39","actionType":1,"purchaseMoney":693.76} //{"userId":36,"userName":"userName36","registTime":"2019-08-05 23:22:38"} val startDateReg = "2019-10-01" val endDateReg = "2019-10-31" userBaseInfo.filter(s"registTime >= '$startDateReg' and registTime <= '$endDateReg'") .join(userActionLog,userActionLog("userId")===userBaseInfo("userId")) .filter(userActionLog("actionTime") >= userBaseInfo("registTime") && userActionLog("actionTime") <= date_add(userBaseInfo("registTime"),7) && userActionLog("actionType") === 1) .groupBy(userBaseInfo("userId"),userBaseInfo("username")) .agg(count(userActionLog("logId")).alias("countLogId")) .sort($"countLogId".desc) .limit(10) .show() sc.stop() spark.stop() } }