Hadoop項目實戰－用戶行爲分析之編碼實踐

1.概述

　　本課程的視頻教程地址：《用戶行爲分析之編碼實踐》

　　本課程以用戶行爲分析案例爲基礎，帶着你們去完成對各個KPI的編碼工做，以及應用調度工做，讓你們經過本課程掌握Hadoop項目的編碼、調度流程。下面咱們來看看本課程有哪些課時，以下圖所示：

　　首先，咱們來學習第一課時：《Hadoop項目基礎代碼》。

2.內容

2.1 Hadoop項目基礎代碼

　　本課時介紹編寫Hadoop基礎代碼及腳本，在前面搭建好的Hadoop項目工程上， 完成項目的基本代碼的編寫，以及一些注意事項，爲編寫核心代碼作準備，讓你們掌握Hadoop項目的基礎代碼開發。

　　本課時主要包含如下知識點，以下圖所示：

　　下面，我爲你們介紹Hadoop項目工程的基本信息配置，因爲本課程屬於編碼實踐，因此設計到編碼的相關流程。 因此你們在學習的時候，請事先將集羣啓動，IDE打開。下面我給你們演示以下內容，他們分別是：

• 項目工程的相關配置信息（pom文件的依賴配置，log日誌信息的配置）
• 集羣信息的相關配置（鏈接集羣節點路徑信息） 

　　基礎代碼實現包含的內容，以下圖所示：

　　具體演示細節，你們能夠觀看視頻，這裏我就很少作贅述了。《觀看地址》

2.2 Hadoop項目核心地址實現

　　本課時介紹如何去實現Hadoop的核心代碼模塊， 在基礎代碼模塊上，完成核心代碼的實現，讓你們掌握項目相關指標的統計開發。

　　下面咱們來看看本課時有那些知識點，以下圖所示：

　　下面咱們來看看離線結果統計的處理方式有哪些，這裏，我用一個圖來講明，在離線統計中的統計方式，以下圖所示：

　　這裏，從圖中咱們能夠看出，咱們可使用編寫Hive腳本或Hive應用程序來統計， 也能夠編寫MapReduce程序來完成統計，也能夠組合使用，這裏，本課程的案例， 我使用的是組合使用，用Hive和MapReduce組合來完成。

　　接着來看核心代碼實現的內容，以下圖所示：

　　腳本以下所示：

#建立分區
CREATE EXTERNAL TABLE ubas(ip string, timespan string, url string,hour string)PARTITIONED BY (logdate string) 
ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' LOCATION '/home/hdfs/ubas/out/meta'

　　統計的KPI腳本，以下所示：

# clean hdfs data and output 
/home/hadoop/hadoop-2.6.0/bin/hadoop jar ubas-1.0.0-jar-with-dependencies.jar $1

# use hive to stats

## 1.location data to partition
/home/hadoop/hive-0.14.0-bin/bin/hive -e "ALTER TABLE ubas ADD PARTITION(logdate='$1') LOCATION '/home/hdfs/ubas/out/meta/$1';"

## 2.stats pv
/home/hadoop/hive-0.14.0-bin/bin/hive -e "CREATE TABLE pv_$1 AS SELECT COUNT(1) AS PV FROM ubas WHERE logdate='$1';"

## 3.stats ip
/home/hadoop/hive-0.14.0-bin/bin/hive -e "CREATE TABLE ip_$1 AS SELECT COUNT(DISTINCT ip) AS IP FROM ubas WHERE logdate='$1';"

## 4.stats amount hour
/home/hadoop/hive-0.14.0-bin/bin/hive -e "CREATE TABLE amount_$1 ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' AS SELECT '$1',hour AS HOUR_TAG, COUNT(hour) AS HOUR,'' AS UPDATE_DATE FROM ubas WHERE logdate='$1' GROUP BY hour;"

## 5.stats jr
/home/hadoop/hive-0.14.0-bin/bin/hive -e "CREATE TABLE jr_$1 AS SELECT COUNT(1) AS JR FROM (SELECT COUNT(ip) AS times FROM ubas WHERE logdate='$1' GROUP BY ip HAVING times=1) e;"

## 6.combine pv,ip,jr and tr to ubas table
/home/hadoop/hive-0.14.0-bin/bin/hive -e "CREATE TABLE ubas_$1 ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' AS SELECT '$1', a.pv, b.ip, c.jr, ROUND(COALESCE(CAST(b.ip AS DOUBLE), 0)/a.pv, 2),'' AS UPDATE_DATE FROM pv_$1 a JOIN ip_$1 b ON 1=1 JOIN jr_$1 c ON 1=1 ;"

# sqoop data to mysql

## 1.sqoop t_kpi_day
/home/hadoop/sqoop-1.4.5/bin/sqoop export -D sqoop.export.records.per.statement=100 --connect jdbc:mysql://10.211.55.26:3306/hadoop_ubas --username root --password root --table t_kpi_day --fields-terminated-by ',' --export-dir "/home/hive/warehouse/ubas_$1" --batch --update-key createdate --update-mode allowinsert;

## 2.sqoop t_kpi_hour
/home/hadoop/sqoop-1.4.5/bin/sqoop export -D sqoop.export.records.per.statement=100 --connect jdbc:mysql://10.211.55.26:3306/hadoop_ubas --username root --password root --table t_kpi_hour --fields-terminated-by ',' --export-dir "/home/hive/warehouse/amount_$1" --batch --update-key createdate,kpi_code --update-mode allowinsert;

# drop tmp table to hive warehouse
/home/hadoop/hive-0.14.0-bin/bin/hive -e "drop table amount_$1;drop table ip_$1;drop table jr_$1;drop table pv_$1;drop table ubas_$1;"

2.3 統計結果處理

　　本課時介紹將統計好的數據導出到關係型數據庫，以及對外提供數據共享接口，讓你們掌握導出數據的流程及共享接口程序的編寫。

 　　本課時主要有一下知識點，以下圖所示：

　　下面咱們來看看使用 Sqoop 如何將 HDFS 上的統計結果導出到 MySQL 數據庫， 接下來，咱們來看看 Sqoop 的導出流程，以下圖所示：

　　首先，咱們是將統計結果存放在 HDFS 集羣上，而後咱們使用 Sqoop 工具去將 HDFS 的數據導出到關係型數據庫，如 MySQL 整個基本流程就是這樣。下面咱們來使用 Sqoop 工具對HDFS 上的數據進行導出，一樣，在使用導出功能時，這樣你們須要 安裝 Sqoop 工具，Sqoop 的安裝較爲簡單，你們能夠下去補充學習下，這裏就很少作贅述了。

　　接下來，咱們來看看數據共享流程，以下圖所示：

　　從圖中咱們能夠看出，咱們將統計後的結果存放在mysql數據庫中，這時咱們須要編寫一個rpc將數據共享出去，這裏我採用的共享方式是， 編寫一個thrift的服務接口，將數據經過這個接口共享出去，而後，前端同窗獲取數據後，能夠將數據結果以圖表的方式進行展現。

　　Thrift接口代碼，以下所示：

• Thrift接口文件

namespace java cn.jikexueyuan.ubas.service

service UBASService {
    map<string, double> queryDayKPI(1:string beginDate,2:string endDate),
    map<double, double> queryHourKPI(1:string beginDate,2:string endDate)
}

• Server模塊代碼

package cn.jikexueyuan.ubas.main;

import org.apache.thrift.TProcessorFactory;
import org.apache.thrift.protocol.TCompactProtocol;
import org.apache.thrift.server.THsHaServer;
import org.apache.thrift.server.TServer;
import org.apache.thrift.transport.TFramedTransport;
import org.apache.thrift.transport.TNonblockingServerSocket;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import cn.jikexueyuan.ubas.service.UBASService;
import cn.jikexueyuan.ubas.service.impl.UBASServiceImpl;

/**
 * @Date Mar 23, 2015
 *
 * @Author dengjie
 */
public class StatsServer {

    private static Logger logger = LoggerFactory.getLogger(StatsServer.class);

    private final int PORT = 9090;

    @SuppressWarnings({ "rawtypes", "unchecked" })
    private void start() {
        try {
            TNonblockingServerSocket socket = new TNonblockingServerSocket(PORT);
            final UBASService.Processor processor = new UBASService.Processor(new UBASServiceImpl());
            THsHaServer.Args arg = new THsHaServer.Args(socket);
            /*
             * Binary coded format efficient, intensive data transmission, The
             * use of non blocking mode of transmission, according to the size
             * of the block, similar to the Java of NIO
             */
            arg.protocolFactory(new TCompactProtocol.Factory());
            arg.transportFactory(new TFramedTransport.Factory());
            arg.processorFactory(new TProcessorFactory(processor));
            TServer server = new THsHaServer(arg);
            server.serve();
        } catch (Exception ex) {
            ex.printStackTrace();
        }
    }

    public static void main(String[] args) {
        try {
            logger.info("start thrift server...");
            StatsServer stats = new StatsServer();
            stats.start();
        } catch (Exception ex) {
            ex.printStackTrace();
            logger.error(String.format("run thrift server has error,msg is %s", ex.getMessage()));
        }
    }

}

2.4 應用調度

　　本課時介紹將開發的Hadoop應用打包部署到服務器，配置並完成應用調度， 讓你們掌握Hadoop項目的打包和部署及調度流程。

　　本課時主要包含一下知識點，以下圖所示：

　　下面，咱們來看看項目打包插件的使用，首先打包的內容，下面咱們來看一張圖，以下圖所示：

　　關於使用Crontab進行定時調度，詳情你們能夠觀看視頻教程，這裏我就很少作贅述了。《觀看地址》

　　本課程咱們對項目的指標進行了編碼實踐，並指導你們去編碼實現相應的模塊功能，以及幫助你們去調度咱們開發的應用等知識，應該掌握一下知識，以下圖所示：

3.總結

　　咱們在有了這些知識做爲基礎，會使得咱們在從此的工做中，開發相似的Hadoop項目變得遊刃有餘，更加的駕輕就熟。

4.結束語

　　這就是本課程的主要內容，主要就對Hadoop項目作相應的編碼實踐，完成各個KPI的開發模塊。

　　若是本教程能幫助到您，但願您能點擊進去觀看一下，謝謝您的支持！

　　轉載請註明出處，謝謝合做！

　   本課程的視頻教程地址：《用戶行爲分析之編碼實踐》