spark streaming实时网站分析项目实战.rar

操作步骤： 一．数据采集：视频网站访问日志（编辑python脚本） 1.Python日志产生器开发URL ，ip信息，状态码，时间等 2.python日志产生器测试并将日志写入到文件中 3.通过定时调度工具每一分钟产生一批数据 4.使用flume实时收集日志信息 5.对接实时数据到kafka并输出到控制台 6.spark streaming对接kafka的数据进行消费 数据采集详情：项目其他\数据采集.docx 二．数据清洗：见项目 使用spark streaming完成数据清洗操作 三．数据分析：见项目 功能一： 统计到今天为止视频的访问量 yyyyMMdd courseId 使用数据库来进行存储我们的统计结果 sparkstreaming把统计结果写入到数据库里面 hbase表设计：create 'aqy_video_clickcount','info' RowKey设计：day_videoid 功能二： 统计今天到现在为止从搜索引擎引流过来的实战课程的访问量 功能1+从搜索引擎引流过来的 HBase表设计： create 'aqy_video_search_clickcount','info' rowkey设计：根据业务需求20200529+search 功能具体实现步骤： 1.数据库访问dao层方法定义 2.hbase操作工具类开发 3.将spark streaming的处理结果写到hbase中 4.映射到hive数据仓库中 四．数据可视化：见数据可视化项目