用户行为分析-埋点实时数仓实践(附用户关联源码)转自：https://blog.csdn.net/appearbeaut

转自：blog.csdn.net/appearbeaut…

一、概述

埋点采集、用户行为分析、实时数仓、IdMapping

此文重点讲述埋点的数据模型、数据格式、数据实时采集、加工、存储及用户关联。关于用户行为分析的概念、意义以及埋点相关的东西此文不作赘述

二、数据模型

业界比较流行的事件、用户模型；即：

who: 设备ID、登录ID
when: 事件发生时间、上报时间
where: 设备环境、网络环境、业务环境等
what: 事件标识、事件参数

我们的数据存储也只有events和users两张表

events：不会变的日志表且数据量大；我们用ClickHouse的分布式表存储

users：我们只有几百万用户，且做用户关联时会频繁根据用户id查询、更新，而且做数据分析时要和事件表关联；我们用ClickHouse的mysql Engine存储

events建表语句：

-- 事件local表;按日期周分区CREATE TABLE analytics.events_replica ON CLUSTER ck_cluster(	`track_id` String COMMENT '埋点',	`event_id` Int64 COMMENT '事件id',	`distinct_id` String COMMENT '设备id/用户中心id',	`user_id` Int64 COMMENT '用户表id',	`type` String COMMENT '埋点类型',	`event` String COMMENT '埋点事件',	`date` Date COMMENT '埋点日期',	`time` DateTime64 ( 3, 'Asia/Shanghai' ) COMMENT '埋点上传时间',	`receive_time` DateTime64 ( 3, 'Asia/Shanghai' ) COMMENT '埋点接受时间',	`day` Int64 COMMENT '埋点距1970/01/01的天数',	`week_id` Int64 COMMENT '埋点距1970/01/01的周数',	`month_id` Int64 COMMENT '埋点距1970/01/01的月数'	其他业务公共字段	所有事件属性	) ENGINE = ReplicatedMergeTree ( '/clickhouse/tables/analytics/events_replica/{shard}', '{replica}' )PARTITION BY toMonday ( date ) ORDER BY	( track_id ) SETTINGS index_granularity = 8192 -- 事件分布式表CREATE TABLE analytics.events ON CLUSTER ck_clusterAS analytics.events_replica ENGINE =Distributed('ck_cluster', 'analytics', 'events_replica', rand())

users建表语句：

-- ClickHouse Mysql Engine表CREATE TABLE cON CLUSTER ck_cluster(    `id` Int64 comment '系统用户id',    `first_id` String comment '第一次关联的设备id',    `second_id` String comment '用户中心id',    `$device_id_list` String comment '非第一次关联的设备id集合;逗号分隔')ENGINE = MySQL('host:port', 'database', 'table', 'user', 'password');		 -- mysql表CREATE TABLE `users` (  `id` bigint(32) DEFAULT NULL,  `first_id` varchar(100) DEFAULT NULL,  `second_id` varchar(100) DEFAULT NULL,  `$device_id_list` varchar(500) DEFAULT NULL) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_bin;

三、数据格式

1.事件埋点
埋点时机: 行为事件记录
type = track
用户登录前: is_login_id=false, distinct_id=设备id
用户登录后: is_login_id=true, distinct_id=用户id
只能在properties里添加属性

{
"distinct_id": "登录前(设备id)、登录后(用户id)",
"time": "当前时间戳",
"type": "track",
"event": "事件名",
"properties": {
" $is_login_id": true, "$ 内置属性名": "内置属性值",
"$自定义属性名": "自定义属性值"
}
}

例子:
{
"distinct_id": "123456",
"time": 1434556935000,
"type": "track",
"event": "ViewProduct",
"properties": {
" $is_login_id": true, "$ app_version": "1.3",
" $wifi": true, "$ ip": "180.79.35.65",
" $province": "湖南", "$ city": "长沙",
" $user_agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 10_3_2 like Mac OS X) AppleWebKit/602.1.50 (KHTML, like Gecko) CriOS/58.0.3029.113 Mobile/14F89 Safari/602.1", "$ screen_width": 320,
"$screen_height": 568,
"product_id": 12345,
"product_name": "苹果",
"product_classify": "水果",
"product_price": 14.0
}
}

2. 用户关联
埋点时机: 用户登录后
type=track_signup; event=$SignUp; distinct_id=用户ID; original_id=设备id

{
"distinct_id":"用户Id",
"original_id":"设备id",
"time": "当前时间戳",
"type": "track_signup",
"event": " $SignUp", "properties": { "$ 内置属性名":"内置属性值"
}
}

例子:
{
"distinct_id":"12345",
"original_id":"2b0a6f51a3cd6775",
"time": 1434557935000,
"type": "track_signup",
"event": " $SignUp", "properties": { "$ manufacturer":"Apple",
" $model": "iPhone5,2", "$ os":"iOS",
" $os_version":"7.0", "$ app_version":"1.3",
" $wifi":true, "$ ip":"180.79.35.65",
" $province":"湖南", "$ city":"长沙",
" $screen_width":320, "$ screen_height":568
}
}

四、架构图

前后端埋点：分为全埋点和自定义事件埋点；按数据条数和时间间隔批量发送
埋点收集器：一个API接口，通过nginx作负载均衡，接收到埋点后异步写入kafka；业界通用的做法是用nginx接受埋点后直接落盘，然后再通过flume、logstash等日志采集工具采集到kafka。
kafka原始数据：通过flume采集一份到离线数仓
Flink ETL：核心数据处理逻辑

1.动态添加ClickHouse列

2.用户关联

3.数据校验、解析、清洗