本文介绍了车联网项目中的驾驶行程分析业务逻辑，包括数据存储分层设计、驾驶行程定义及其分析流程。驾驶行程根据15分钟划分，通过T检验和F检验确定最佳划分标准。此外，还讨论了驾驶行程分析的任务设置，涉及数据源处理、Kafka、Flink实时处理和业务指标的入库。
文章目录
车辆驾驶行程分析
驾驶行程分析业务逻辑
星途车联网项目大数据平台，包含
数据源
数据存储pipeline
实时业务指标统计分析
数据存储分层
数据可视化
我们已经学习了原始数据实时ETL部分，数据存储在hive和hbase中，这部分数据对应hive数仓分层中的ODS层，本章内容围绕驾驶行程主题分析展开。
1 车联网项目数据存储分层设计
ODS层数据来源于车辆上报原始json实时ETL后的数据，DW(DWD)数据存储指标明细数据与维度分析拉宽表数据，来源于车联网业务主题分析结果数据。DM(APP)层来源于DW层转换数据，或ODS层数据通过分析直接得出DM层数据。
l ODS：原始数据层
l DW(DWD)：数据仓库层(数据表明细层，由DW层拆分出来)
- 主题业务结果数据，针对主题业务结果的宽表数据或主题业务结构明细数据
l DM(APP)
订阅专栏 解锁全文
扫一扫
841
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
