網(wǎng)站流量統(tǒng)計系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、移動互聯(lián)網(wǎng)技術(shù)的飛速進步，數(shù)據(jù)流量費用的降低和高速光纖電纜的全方位覆蓋，全球已處于高速信息化時代。人們使用各類終端設(shè)備與互聯(lián)網(wǎng)交互，實現(xiàn)社交、學(xué)習(xí)、購物等行為，這一系列交互過程都會產(chǎn)生大量的日志數(shù)據(jù)。通過對這些雜亂無序的日志信息進行分析、挖掘處理，可以讓我們更準確的獲取用戶偏好、分析用戶行為、用戶訪問習(xí)慣等，為互聯(lián)網(wǎng)企業(yè)的發(fā)展方向提供參考。如何從網(wǎng)站流量日志數(shù)據(jù)獲取更多的價值信息，是互聯(lián)網(wǎng)企業(yè)亟待解決的問題。從這一點出發(fā)，提出了大數(shù)據(jù)背

2、景下基于Hadoop大數(shù)據(jù)平臺下網(wǎng)站流量統(tǒng)計系統(tǒng)，采用分布式并行計算編程框架，有效的提高了數(shù)據(jù)處理能力。
　　系統(tǒng)采用Hadoop大數(shù)據(jù)解決方案完成網(wǎng)站流量日志數(shù)據(jù)存儲和數(shù)據(jù)處理需求。在軟件層次結(jié)構(gòu)分為三層：數(shù)據(jù)存儲層、數(shù)據(jù)處理層和數(shù)據(jù)展現(xiàn)層。數(shù)據(jù)存儲層包含HDFS和PostGreSQL。其中HDFS負責(zé)流量日志數(shù)據(jù)存儲，它與分布式并行計算框架MapReduce交互完成流量日志數(shù)據(jù)的處理；PostGreSQL為Web報表展現(xiàn)層的數(shù)

3、據(jù)庫。為滿足復(fù)雜多變的需求，數(shù)據(jù)處理層采用數(shù)據(jù)倉庫工具Hive實現(xiàn)業(yè)務(wù)邏輯處理。系統(tǒng)功能模塊分為數(shù)據(jù)遷移模塊、數(shù)據(jù)邏輯處理模塊和Web報表展現(xiàn)模塊。通過數(shù)據(jù)遷移功能模塊，實現(xiàn)了數(shù)據(jù)生成、數(shù)據(jù)處理、數(shù)據(jù)查詢服務(wù)器三者相對獨立的設(shè)計思想。通過數(shù)據(jù)邏輯處理功能模塊，實現(xiàn)了網(wǎng)站流量數(shù)據(jù)在不同數(shù)據(jù)維度下的IP數(shù)、瀏覽數(shù)PV、訪客數(shù)UV、會話數(shù)Visits的統(tǒng)計。通過Web報表展現(xiàn)功能模塊，將統(tǒng)計數(shù)據(jù)展現(xiàn)給數(shù)據(jù)分析人員。
　　系統(tǒng)通過Hado