用户点击行为实时分析系统spark

系统设计技术有:
Hadoop2.x
Zookeeper
Flume
Hive
Hbase
Kafka
Spark2.x
Spark Streaming
Structured Streaming
MySQL
Hue
JavaEE
WebSocket
Echarts

1.1案例需求分析:

主要是基于用户浏览新闻的日志信息进行分析的.我们主要的业务需求有以下几个方面:
完成用户浏览日志信息的收集.
完成实时分析前20名流量最高的话题.
完成实时统计当前线上已经曝光的新闻的话题
完成数据报表的开发

 

1.2 系统架构图设计

调度层：zookeeper 管理工具： 开发工具：IDEA 分析工具：HUE
展示层： 统计查询/报表 hue 数据可视化分析 h5+echarts
接口层：通信协议 http/websocket 数据协议：xml/json
服务层: java/scala
计算层: 流式计算框架 streaming 离线计算框架 mapreduce 内存计算框架 spark
统一资源资源管理框架 HDFS
存储层：分布式消息队列 kafka mysql hbase hive 分布式文件系统hdfs
采集层：DB数据处理工具sqoop 日志采集框架 flume
数据源层： database logfile

 1.3 系统数据流程设计

实时流：
应用服务 ---- flume ----kafka zookeeper----yarn sparking streaming scala--- mysql hbase--websocket--h5+echarts页面展示

离线流：
应用服务 ---- flume---hbase zookeeper--hdfs--mapreduce spark sql hive yarn --hue --mysql -java服务-bi报表