电商用户行为分析需求梳理

1、基于flink的 电商用户行为数据分析

内容主要有：

1. 批处理和流处理
2. 电商用户行为分析
3. 数据源解析
4. 项目模块划分

---

1.1、批处理和流处理

批处理：

批处理主要操作大容量静态数据集，并在计算过程完成后返回结果。可以认为，处理的是用一个固定时间间隔分组的数据点集合。批处理模式中使用的数据集通常符合下列特征：

1. 有界：批处理数据集代表数据的有限集合
2. 持久：数据通常始终存储在某种类型的持久存储位置中
3. 大量：批处理操作通常是处理极为海量数据集的唯一方法

流处理:

流处理可以对随时进入系统的数据进行计算。流处理方式无需针对整个数据集执行操作，而是对通过系统传输的每个数据项执行操作。流处理中的数据集是“无边界”的，这就产生了几个重要的影响：

1. 可以处理几乎无限量的数据，但同一时间只能处理一条数据，不同记录间只维持最少量的状态
2. 处理工作是基于事件的，除非明确停止否则没有“尽头”
3. 处理结果立刻可用，并会随着新数据的抵达继续更新。

---

2、电商用户行为分析

2.1、电商用户行为分析

1. 热门统计
   点击、浏览
   热门商品、近期热门商品、分类热门商品，流量统计

2. 偏好统计
   收藏、喜欢、评分、打标签
   用户画像，推荐列表（结合特征工程和机器学习算法）

3. 风险控制
   下订单、支付、登录
   订单失效监控，恶意登录（短时间内频繁登录失败）监控

2.2、项目模块设计

分为：热门统计、风险控制

热门统计