一、电商业务与数据结构简介
1、业务流程
2、常识：SKU/SPU
SKU=Stock Keeping Unit（库存量基本单位）。现在已经被引申为产品统一编号的简称，每种产品均对应有唯一的SKU号。
SPU(Standard Product Unit)：是商品信息聚合的最小单位，是一组可复用、易检索的标准化信息集合。
3、电商表结构
二、数仓理论
1、表的分类
实体表
维度表：对应一些业务状态，编号的解释表。也可以称之为码表，比如地区表，订单状态，支付方式，审批状态，商品分类等等
事务型事实表：一旦发生不会再变化，如，交易流水，操作日志，出库入库记录等等
周期型事实表，一般指随着业务发生不断产生变化(更新, 新增)的数据。比如订单，其中订单状态会周期性变化。再比如，请假、贷款申请，随着批复状态在周期性变化。
2、同步策略
全量表：存储完整的数据。
增量表：存储新增加的数据。
新增及变化表：存储新增加的数据和变化的数据。
拉链表：对新增及变化表做定期合并。
---------------------
实体表：每日全量
维度表：每日全量
事务型事实表：增量表
周期型事实表：拉链表
|
name姓名 |
start新名字创建时间 |
end名字更改时间 |
|
张三 |
1990/1/1 |
2018/12/31 |
|
张小三 |
2019/1/1 |
2019/4/30 |
|
张大三 |
2019/5/1 |
9999-99-99 |
|
。。。 |
。。。 |
。。。 |
select * from user where start =<’2019-1-2’ and end>=’2019-1-2’
3、范式
4、关系建模与维度建模
关系模型：OLTP，多表关联降低执行效率
维度模型：OLAP，所有维度表围绕着事实表进行解释
5、雪花模型、星型模型和星座模型
三、数仓搭建
1、配置Hadoop支持Snappy压缩
解压缩上传至/opt/module/hadoop-2.7.2/lib/native
检查压缩方式：hadoop checknative
2、业务数据生成
MySQL建库gmall，建表
执行生成业务数据函数：init_data ( do_date_string VARCHAR(20) , order_incr_num INT, user_incr_num INT , sku_num INT , if_truncate BOOLEAN )：
需求：生成日期2019年2月10日数据、订单1000个、用户200个、商品sku300个、删除原始数据。
CALL init_data('2019-02-10',1000,200,300,TRUE);
2、数据导入数仓
sqoop导入命令
/opt/module/sqoop/bin/sqoop import \
--connect \
--username \
--password \
--target-dir \
--delete-target-dir \
--num-mappers \
--fields-terminated-by \
--query "$2" ' and $CONDITIONS;'
各表的同步策略
Sqoop定时导入脚本：vim sqoop_import.sh【MySQL-hdfs】
生成某日数据：CALL init_data('2019-02-11',1000,200,300,TRUE);
3、ODS层
仿照业务数据库中的表字段，创建ODS层的表
数据导入脚本编写【hdfs-MySQL】
sql=" load data inpath '/origin_data/$APP/db/order_info/$do_date' OVERWRITE into table "$APP".ods_order_info partition(dt='$do_date');
4、DWD层
对ODS层数据进行判空过滤。对商品分类表进行维度退化（降维）
insert overwrite table "$APP".dwd_order_info partition(dt)
select * from "$APP".ods_order_info
where dt='$do_date' and id is not null;
insert overwrite table "$APP".dwd_sku_info partition(dt)
select
sku.id,
sku.spu_id,
sku.price,
sku.sku_name,
sku.sku_desc,
sku.weight,
sku.tm_id,
sku.category3_id,
c2.id category2_id,
c1.id category1_id,
c3.name category3_name,
c2.name category2_name,
c1.name category1_name,
sku.create_time,
sku.dt
from
"$APP".ods_sku_info sku
join "$APP".ods_base_category3 c3 on sku.category3_id=c3.id
join "$APP".ods_base_category2 c2 on c3.category2_id=c2.id
join "$APP".ods_base_category1 c1 on c2.category1_id=c1.id
where sku.dt='$do_date' and c2.dt='$do_date'
and c3.dt='$do_date' and c1.dt='$do_date'
and sku.id is not null;
" $hive -e "$sql"
5、用户行为宽表
用户单日的行为聚合起来组成一张多列宽表，以便之后关联用户维度信息后进行
create external table dws_user_action
(
user_id string comment '用户 id',
order_count bigint comment '下单次数 ',
order_amount decimal(16,2) comment '下单金额 ',
payment_count bigint comment '支付次数',
payment_amount decimal(16,2) comment '支付金额 ',
comment_count bigint comment '评论次数'
) COMMENT '每日用户行为宽表'
PARTITIONED BY (`dt` string)
stored as parquet
location '/warehouse/gmall/dws/dws_user_action/';
导入数据
insert overwrite table dws_user_action partition(dt='2019-02-10')
select
user_actions.user_id,
sum(user_actions.order_count),
sum(user_actions.order_amount),
sum(user_actions.payment_count),
sum(user_actions.payment_amount),
sum(user_actions.comment_count)
from
(
select
四、GMV成交总额
1、ADS层
五、转化率之用户新鲜度及漏斗分析
1、转化率
2、ADS层之新增用户占日活跃用户比率（用户新鲜度）
十三、数据可视化
1、MySQL建表并插入数据
2、web查看
运行spring-boot-echarts-master程序
在web页面上查看显示结果
3、sqoop导出脚本
export_data() {
/opt/module/sqoop/bin/sqoop export \
--connect "jdbc:mysql://hadoop102:3306/${db_name}?useUnicode=true&characterEncoding=utf-8" \
--username root \
--password 000000 \
--table $1 \
--num-mappers 1 \
--export-dir /warehouse/$db_name/ads/$1 \
--input-fields-terminated-by "\t" \
--update-mode allowinsert \
--update-key $2 \
--input-null-string '\\N' \
--input-null-non-string '\\N'
}
case $1 in
"ads_uv_count")
export_data "ads_uv_count" "dt"
;;
"ads_user_action_convert_day")
export_data "ads_user_action_convert_day" "dt"
;;
"ads_gmv_sum_day")
export_data "ads_gmv_sum_day" "dt"
;;
"all")
export_data "ads_uv_count" "dt"
export_data "ads_user_action_convert_day" "dt"
export_data "ads_gmv_sum_day" "dt"
;;
esac
十四、Azkaban调度器
1、GMV指标获取的全调度流程
编写Azkaban程序运行job
（1）import.job文件
type=command
do_date=${dt}
command=/home/atguigu/bin/sqoop_import.sh all ${do_date}
（2）ods.job文件
type=command
do_date=${dt}
dependencies=import
command=/home/atguigu/bin/ods_db.sh ${do_date}
（3）dwd.job文件
type=command
do_date=${dt}
dependencies=ods
command=/home/atguigu/bin/dwd_db.sh ${do_date}
（4）dws.job文件
type=command
do_date=${dt}
dependencies=dwd
command=/home/atguigu/bin/dws_db_wide.sh ${do_date}
（5）ads.job文件
type=command
do_date=${dt}
dependencies=dws
command=/home/atguigu/bin/ads_db_gmv.sh ${do_date}
（6）export.job文件
type=command
dependencies=ads
command=/home/atguigu/bin/sqoop_export.sh ads_gmv_sum_day
（7）将以上6个文件压缩成gmv-job.zip文件
创建Azkaban工程，并上传gmv-job.zip文件。
页面上创建工程执行gmv-job.zip任务，查看结果
十五、拉链表
1、使用
2、形成过程
3、制作过程
制作当日变动数据（包括新增，修改）每日执行
2019-02-14日新增2条订单数据
CALL init_data('2019-02-14',2,5,10,TRUE);
步骤2：先合并变动信息，再追加新增信息，插入到临时表中
步骤3：把临时表覆盖给拉链表
hive (gmall)>
insert overwrite table dwd_order_info_his
select * from dwd_order_info_his_tmp;
十六、项目总结
1、熟悉8张表的业务字段
2、数仓理论
3、Sqoop参数
4、sqoop导出时的存储一致性、运行机制等问题
5、拉链表
1）通过关系型数据库的create time和operation time获取数据的新增和变化。
2）用临时拉链表解决Hive了中数据不能更新的问题。
6、Azkaban
1）每天集群运行多少job?
2）多个指标（200）*6=1200（1000-2000个job）
3）每天集群运行多少个task? 1000*（5-8）=5000多个
7、表关系
