二、《大数据项目实战之用户行为分析》数据流及架构设计

系统数据流设计

为了实现上述需求，我们需要搭建大数据分析系统，对海量数据进行分析与计算。上述需求涉及离线计算和实时计算，由于Spark既拥有离线计算组件又拥有实时计算组件，因此以Spark为核心进行数据分析会更加容易，且易于维护。整个系统数据流架构的设计如图

日志数据流的分析步骤如下：

（1）在产生日志的每台服务器上安装Flume进行日志采集，然后把各自采集到的日志数据发送给同一个Flume服务器进行日志的合并。

（2）将合并后的日志数据以副本的方式分成两路（两路数据相同）：一路进行实时计算；另一路进行离线计算。将需要实时计算的数据发送到实时消息系统Kafka进行中转，将需要离线计算的数据存储到HBase分布式数据库中。

（3）使用Spark Streaming作为Kafka的消费者，按批次从Kafka中获取数据进行实时计算，并将计算结果存储于MySQL关系型数据库中。

（4）使