- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
我想创建内部漏斗分析基础架构。所有用户事件提要信息都将写入所选的数据库/DW,然后,当我动态定义漏斗时,我希望能够为漏斗中的每个阶段选择 session 数。
我在任何地方都找不到创建这种东西的例子。有人说我应该为此使用 Hadoop 和 MapReduce,但我在网上找不到任何示例。
最佳答案
您的 MapReduce 非常简单:
Mapper 读取日志文件中的 session 行,其输出为 (stag-id, 1)
将 Reducer 的数量设置为等于阶段的数量。
Reducer 对每个阶段的值求和。就像 wordcount 示例(这是 Hadoop 的“Hello World”- https://hadoop.apache.org/docs/r1.2.1/mapred_tutorial.html#Example%3A+WordCount+v1.0)。
您必须设置 Hadoop 集群(或使用 Amazon 上的 Elastic Map Reduce)。
要动态定义漏斗,您可以使用 Hadoop 的 DistributedCache 功能。要查看结果,您必须等待 MapReduce 完成(最少几十秒;如果是 Amazon 的 Elastic MapReduce,则需要几分钟;时间取决于数据量和集群的大小)。
另一种可以更快地给您结果的解决方案 - 使用数据库:从 mylogs 中按阶段选择 count(distinct session_id) 组;
如果您有太多数据无法快速执行该查询(它会执行全表扫描;HDD 传输速率约为 50-150MB/秒 - 数学很简单)- 那么您可以使用运行在HDFS(Hadoop分布式文件系统)。
在这种情况下,您的选择是(我在此处仅列出开源项目):
Apache Hive(基于 Hadoop 的 MapReduce,但如果您将数据转换为 Hive 的 ORC 格式 - 您将更快地获得结果)。
Cloudera 的 Impala - 不基于 MapReduce,可以在几秒钟内返回结果。为获得最快的结果,请将您的数据转换为 Parquet 格式。
Shark/Spark - 内存分布式数据库。
关于sql - 如何创建内部漏斗分析?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/21476767/
这是我的测试用例。 http://tobeythorn.com/isi/dummy2.svg http://tobeythorn.com/isi/isitest.html 如果我自己打开 svg,内部
这是我的测试用例。 http://tobeythorn.com/isi/dummy2.svg http://tobeythorn.com/isi/isitest.html 如果我自己打开 svg,内部
我正在尝试做类似的事情: SELECT SUM( CASE WHEN ( AND EXISTS(SELECT 1
我想问如何在外部 ng-repeat 内部正确使用内部 ng-repeat: 这意味着你想使用这样的东西: {{milestone.id}} {{
我希望在 wordpress 的仪表板内编辑 css 样式并且如果可能的话不必编辑 php 文件。 我知道至少可以编辑一些属性,所以我希望我可以直接在仪表板中编辑所有属性。 更具体地说如何更改自定义类
我在安装在 windows10 上的 vmware 中的 Ubuntu 上安装了伪分布式独立 hadoop 版本。 我从网上下载了一个文件,复制到ubuntu本地目录/lab/data 我在 ubun
我有一个如下所示的 WHERE 语句: WHERE ((@Value1 IS NULL AND [value1_id] IS NULL) OR [value1_id] = ISNULL(@Va
我有一个如下所示的 WHERE 语句: WHERE ((@Value1 IS NULL AND [value1_id] IS NULL) OR [value1_id] = ISNULL(@Va
在我的一些测试帮助程序代码中,我有一个名为 FakeDbSet(Of T) 的 IDbSet(Of T) 实现,它模拟了许多 EF 行为,但没有实际的数据库。我将类声明为 Friend ,因为我想强制
我正在寻找 Cassandra/CQL 的常见 SQL 习语 INSERT INTO ... SELECT ... FROM ... 的表亲。并且一直无法找到任何以编程方式或在 CQL 中执行此类操作
如何防止内部 while 循环无限运行?问题是,如果没有外部 while 循环,内部循环将毫无问题地运行。我知道它必须对外循环执行某些操作,但我无法弄清楚是什么导致了问题。 import java.u
我正在努力学习更多有关 C++ 的知识,但在国际象棋程序中遇到了一些代码,需要帮助才能理解。我有一个 union ,例如: union b_union { Bitboard b; st
这是我项目网页中的代码片段。这里我想显示用户选择的类别,然后想显示属于该类别的主题。在那里,用户可以拥有多个类别,这没有问题。我可以在第一个 while 循环中打印所有这些类别。问题是当我尝试打印主题
我想知道如何在 swing 中显示内部框架。这意味着,当需要 JFrame 时,通常我所做的是, new MyJFrame().setVisible(true); 假设之前的表单也应该显示。当显示这个
我最近发现了一些有趣的行为,这让我想知道对象如何知道存在哪些全局变量。例如,假设我有一个文件“test.py”: globalVar = 1 toDelete = 2 class Test(objec
我知道它已经在这里得到回答: google maps drag and drop objects into google maps from outside the Map ,但这并不完全是我所需要的
我目前正在学习Javascript DOM和innerHTML,发现在理解innerHTML方面存在一些问题。 这是我的代码:http://jsfiddle.net/hphchan/bfjx1w70/
我构建了一个布局如下的库: lib/ private_class_impl.cc private_class_decl.h public_class_impl.cc include/
我有一个使用 bootstrap 3 的组合 wordpress 网站。它基本上是一个图像网格。当屏幕展开时,它会从三列变为四列。移动时它是一列。 我想出了如何调整图像的顶部和底部边距,但我希望图像的
我正在试用 MSP-EXP430G2 的教程程序,使用 Code Composer Studio 使 LED 闪烁。最初,它有一个闪烁的无限循环: for(;;) // This emp
我是一名优秀的程序员,十分优秀!