面试系列六之用户行为数据分析

宝哥大数据发布时间：2021-06-21 05:43:33 ，浏览量：0

关注我的公众号【宝哥大数据】，更多干货等着你

在这里插入图片描述

1.1、数仓分层架构

在这里插入图片描述

分层优点：复杂问题简单化、清晰数据结构(方便管理)、增加数据的复用性、隔离原始数据(解耦)

层级名称功能压缩方式存储格式压缩比ods原始数据层存放原始数据，保持原貌不做处理Snappyorc10:1dwd明细数据层对ods层数据清洗（去除空值，脏数据，超过极限范围的数据），维度退化和降维，错误数据在万分之一可以接受dws服务数据层轻度聚合ads应用数据层具体需求

数仓中各层建的表都是外部表

1.2、埋点行为数据基本格式(基本字段)

公共字段：基本所有安卓手机都包含的字段业务字段：埋点上报的字段，有具体的业务类型下面就是一个示例，表示业务字段的上传。行为数据启动日志/事件日志表关键字段:

{
"ap":"xxxxx",//项目数据来源 app pc
"cm": {  //公共字段
		"mid": "",  // (String) 设备唯一标识
        "uid": "",  // (String) 用户标识
        "vc": "1",  // (String) versionCode，程序版本号
        "vn": "1.0",  // (String) versionName，程序版本名
        "l": "zh",  // (String) 系统语言
        "sr": "",  // (String) 渠道号，应用从哪个渠道来的。
        "os": "7.1.1",  // (String) Android系统版本
        "ar": "CN",  // (String) 区域
        "md": "BBB100-1",  // (String) 手机型号
        "ba": "blackberry",  // (String) 手机品牌
        "sv": "V2.2.1",  // (String) sdkVersion
        "g": "",  // (String) gmail
        "hw": "1620x1080",  // (String) heightXwidth，屏幕宽高
        "t": "1506047606608",  // (String) 客户端日志产生时的时间
        "nw": "WIFI",  // (String) 网络模式
        "ln": 0,  // (double) lng经度
        "la": 0  // (double) lat 纬度
    },
"et":  [  //事件
            {
                "ett": "1506047605364",  //客户端事件产生时间
                "en": "display",  //事件名称  启动和事件日志是根据事件名称的不同
                "kv": {  //事件结果，以key-value形式自行定义
                    "goodsid": "236",
                    "action": "1",
                    "extend1": "1",
"place": "2",
"category": "75"
                }
            }
        ]
}

根据事件标签的不同可以分成不同的日志表

1.3、各个层的表介绍 1.3.1、ods层

1）ods_start_log 启动日志表

只有一个字段 line（保存着json），按照日期dt分区，表的格式：lzo

2）ods_event_log 事件日志表（格式同启动日志表）

只有一个字段 line ，按照日期dt 分区，表的格式：lzo

1.3.2、dwd层

1）dwd_start_log 启动表

关键字段：mid_id，user_id，dt(分区字段，按照日期分区) （其实这是启动表和事件表的公共字段）
从ods_start_log中的line用get_json_object(line，'$.mid') mid_id的方式获取字段

1.3.2.1、自定义UDF/UDTF（项目中的应用）

自定义UDF函数（解析公共字段，一进一出）
自定义UDTF函数（解析具体事件字段，一进多出）
自定义UDF：继承UDF，重写evaluate方法
自定义UDTF：继承自GenericUDTF，重写3个方法：initialize(自定义输出的列名和类型)，process（将结果返回forward(result)），close
为什么要自定义UDF/UDTF，因为自定义函数，可以自己埋点Log打印日志，出错或者数据异常，方便调试。

1.3.2.2、事件日志基础明细表

dwd_base_event_log 事件日志基础明细表

1）关键字段：
- 公共字段：mid_id，user_id，dt(分区字段)以及event_name、event_json、server_time
2）从 ods_event_log的line 中用 UDF 获取公共字段和 server_time，用UDTF 获取 event_name , event_json。

1.3.2.3、商品点击表

dwd_display_log 商品点击表

关键字段：公共字段 + 特有字段
从dwd_base_event_log中直接获取公共字段和server_time，从 dwd_base_event_log的 event_json中获取特有字段，where event_name = "display"
get_json_object(event_json,'$.kv.action') action

1.3.2.4、其他的具体事件明细表

类似

表明表注释dwd_newsdetail_log商品详情页表dwd_loading_log商品列表页表dwd_ad_log广告表dwd_notification_log消息通知表dwd_active_foreground_log用户前台活跃表dwd_active_background_log用户后台活跃表dwd_comment_log评论表dwd_favorites_log收藏表dwd_praise_log点赞表dwd_error_log错误日志表

从一张事件基础明细表dwd_base_event_log一共可以获得11张具体事件明细表

二、需求解析 2.1、用户活跃主题 2.1.1、DWS层日活明细表

每日活跃设备分析