Spark综合使用及用户行为案例页面转化率统计分析实战-Spark商业应用实战

版权声明：本套技术专栏是做者（秦凯新）平时工做的总结和升华，经过从真实商业环境抽取案例进行总结和分享，并给出商业应用的调优建议和集群环境容量规划等内容，请持续关注本套博客。QQ邮箱地址：1120746959@qq.com，若有任何技术交流，可随时联系。

1 页面转化率概念

• 页面转化率的求解思路是经过UserAction表获取一个session的全部UserAction，根据时间顺序排序后获取所有PageId 而后将PageId组合成PageFlow，即1,2,3,4,5的形式（按照时间顺序排列），以后，组合为1_2, 2_3, 3_4, ...的形式 而后筛选出出如今targetFlow中的全部A_B

• 每一个A_B进行数量统计，而后统计startPage的PV，以后根据targetFlow的A_B顺序，计算每一层的转化率

2 页面转化率业务分析

2.1 建立Spark客户端

// 任务的执行ID，用户惟一标示运行后的结果，用在MySQL数据库中
val taskUUID = UUID.randomUUID().toString

// 构建Spark上下文
val sparkConf = new SparkConf().setAppName("SessionAnalyzer").setMaster("local[*]")

// 建立Spark客户端
val spark = SparkSession.builder().config(sparkConf).enableHiveSupport().getOrCreate()
val sc = spark.sparkContext
复制代码

2.2 查询指定日期范围内的用户访问行为数据

查询指定日期范围内的用户访问行为数据
  val actionRDD = this.getActionRDDByDateRange(spark, taskParam)
  
  def getActionRDDByDateRange(spark:SparkSession, taskParam:JSONObject): RDD[UserVisitAction] = {
    val startDate = ParamUtils.getParam(taskParam, Constants.PARAM_START_DATE)
    val endDate = ParamUtils.getParam(taskParam, Constants.PARAM_END_DATE)
    import spark.implicits._
    spark.sql("select * from user_visit_action where date>='" + startDate + "' and date<='" + endDate + "'")
      .as[UserVisitAction].rdd
  }
复制代码

2.3 具体业务分析

将用户行为信息转换为 K-V 结构
val sessionid2actionRDD = actionRDD.map(item => (item.session_id, item))

将数据进行内存缓存
sessionid2actionRDD.persist(StorageLevel.MEMORY_ONLY)

对<sessionid,访问行为> RDD，作一次groupByKey操做，生成页面切片
val sessionid2actionsRDD = sessionid2actionRDD.groupByKey()
复制代码

2.4 最核心的一步，每一个session的单跳页面切片的生成，以及页面流的匹配，算法

val pageSplitRDD = generateAndMatchPageSplit(sc, sessionid2actionsRDD, taskParam)

def generateAndMatchPageSplit(sc:SparkContext, sessionid2actionsRDD:RDD[(String, Iterable[UserVisitAction])], taskParam:JSONObject ):RDD[(String, Int)] = {

/* 对目标PageFlow进行解析 */

//1,2,3,4,5,6,7
val targetPageFlow = ParamUtils.getParam(taskParam, Constants.PARAM_TARGET_PAGE_FLOW)
//将字符串转换成为了List[String]
val targetPages = targetPageFlow.split(",").toList

//targetPages.slice(0, targetPages.length-1) ：[1,2,3,4,5,6]
//targetPages.tail ：[2,3,4,5,6,7]
//targetPages.slice(0, targetPages.length-1).zip(targetPages.tail)：(1,2)(2,3)(3,4)(4,5)(5,6)(6,7)
//map(item => item._1 + "_" + item._2)：(1_2,2_3,3_4,4_5,5_6,6_7)

val targetPagePairs = targetPages.slice(0, targetPages.length-1).zip(targetPages.tail).map(item => item._1 + "_" + item._2)
//将结果转换为广播变量
//targetPagePairs类型为List[String]
val targetPageFlowBroadcast = sc.broadcast(targetPagePairs)

/* 对全部PageFlow进行解析 */

// 对所有数据进行处理
sessionid2actionsRDD.flatMap{ case (sessionid, userVisitActions) =>
  // 获取使用者指定的页面流
  // 使用者指定的页面流，1,2,3,4,5,6,7
  // 1->2的转化率是多少？2->3的转化率是多少？

  // 这里，咱们拿到的session的访问行为，默认状况下是乱序的
  // 好比说，正常状况下，咱们但愿拿到的数据，是按照时间顺序排序的
  // 可是问题是，默认是不排序的
  // 因此，咱们第一件事情，对session的访问行为数据按照时间进行排序

  // 举例，反例
  // 好比，3->5->4->10->7
  // 3->4->5->7->10

  // userVisitActions是Iterable[UserAction]，toList.sortWith将Iterable中的全部UserAction按照时间进行排序
  // 按照时间排序
  val sortedUVAs = userVisitActions.toList.sortWith((uva1, uva2) => DateUtils.parseTime(uva1.action_time).getTime() < DateUtils.parseTime(uva2.action_time).getTime())
  // 提取全部UserAction中的PageId信息
  val soredPages = sortedUVAs.map(item => if(item.page_id != null) item.page_id)

  //【注意】页面的PageFlow是将session的全部UserAction按照时间顺序排序后提取PageId,再将PageId进行链接获得的
  // 按照已经排好的顺序对PageId信息进行整合，生成全部页面切片：(1_2,2_3,3_4,4_5,5_6,6_7)
  val sessionPagePairs = soredPages.slice(0, soredPages.length-1).zip(soredPages.tail).map(item => item._1 + "_" + item._2)

  /* 由此，获得了当前session的PageFlow */

  // 只要是当前session的PageFlow有一个切片与targetPageFlow中任一切片重合，那么就保留下来
  // 目标：(1_2,2_3,3_4,4_5,5_6,6_7)   当前：(1_2,2_5,5_6,6_7,7_8)
  // 最后保留：(1_2,5_6,6_7)
  // 输出：(1_2, 1) (5_6, 1) (6_7, 1)
  sessionPagePairs.filter(targetPageFlowBroadcast.value.contains(_)).map((_,1))
}
复制代码

}

2.5 计算跳转率

// 返回：(1_2, 1)，(3_4, 1), ..., (100_101, 1)
// 统计每一个跳转切片的总个数
// pageSplitPvMap：(1_2, 102320), (3_4, 90021), ..., (100_101, 45789)
val pageSplitPvMap = pageSplitRDD.countByKey
复制代码

2.6 首先计算首页PV的数量

// 使用者指定的页面流是3,2,5,8,6
// 我们如今拿到的这个pageSplitPvMap，3->2，2->5，5->8，8->6
// 首先计算首页PV的数量
val startPagePv = getStartPagePv(taskParam, sessionid2actionsRDD)

def getStartPagePv(taskParam:JSONObject, sessionid2actionsRDD:RDD[(String, Iterable[UserVisitAction])]) :Long = {

// 获取配置文件中的targetPageFlow
val targetPageFlow = ParamUtils.getParam(taskParam, Constants.PARAM_TARGET_PAGE_FLOW)
// 获取起始页面ID
val startPageId = targetPageFlow.split(",")(0).toLong
// sessionid2actionsRDD是聚合后的用户行为数据
// userVisitAction中记录的是在一个页面中的用户行为数据
val startPageRDD = sessionid2actionsRDD.flatMap{ case (sessionid, userVisitActions) =>
  // 过滤出全部PageId为startPageId的用户行为数据
  userVisitActions.filter(_.page_id == startPageId).map(_.page_id)
}
// 对PageId等于startPageId的用户行为数据进行技术
startPageRDD.count()
复制代码

}

2.7 计算目标页面流的各个页面切片的转化率（好比：2_3/1_2）

• 版权声明：本套技术专栏是做者（秦凯新）平时工做的总结和升华，经过从真实商业环境抽取案例进行总结和分享，并给出商业应用的调优建议和集群环境容量规划等内容，请持续关注本套博客。QQ邮箱地址：1120746959@qq.com，若有任何技术交流，可随时联系。

  计算目标页面流的各个页面切片的转化率
   val convertRateMap = computePageSplitConvertRate(taskParam, pageSplitPvMap, startPagePv)
   
   def computePageSplitConvertRate(taskParam:JSONObject, pageSplitPvMap:collection.Map[String, Long], startPagePv:Long):collection.Map[String, Double] = {
  
    val convertRateMap = new mutable.HashMap[String, Double]()
    //1,2,3,4,5,6,7
    val targetPageFlow = ParamUtils.getParam(taskParam, Constants.PARAM_TARGET_PAGE_FLOW)
    val targetPages = targetPageFlow.split(",").toList
    //(1_2,2_3,3_4,4_5,5_6,6_7)
    val targetPagePairs = targetPages.slice(0, targetPages.length-1).zip(targetPages.tail).map(item => item._1 + "_" + item._2)
  
    // lastPageSplitPv：存储最新一次的页面PV数量
    var lastPageSplitPv = startPagePv.toDouble
    // 3,5,2,4,6
    // 3_5
    // 3_5 pv / 3 pv
    // 5_2 rate = 5_2 pv / 3_5 pv
  
    // 经过for循环，获取目标页面流中的各个页面切片（pv）
    for(targetPage <- targetPagePairs){
      // 先获取pageSplitPvMap中记录的当前targetPage的数量
      val targetPageSplitPv = pageSplitPvMap.get(targetPage).get.toDouble
      println((targetPageSplitPv, lastPageSplitPv))
      // 用当前targetPage的数量除以上一次lastPageSplit的数量，获得转化率
      val convertRate = NumberUtils.formatDouble(targetPageSplitPv / lastPageSplitPv, 2)
      // 对targetPage和转化率进行存储
      convertRateMap.put(targetPage, convertRate)
      // 将本次的targetPage做为下一次的lastPageSplitPv
      lastPageSplitPv = targetPageSplitPv
    }
    convertRateMap
  }
  复制代码

2.8 持久化页面转化率

persistConvertRate(spark, taskUUID, convertRateMap)

def persistConvertRate(spark:SparkSession, taskid:String, convertRateMap:collection.Map[String, Double]) {

    val convertRate = convertRateMap.map(item => item._1 + "=" + item._2).mkString("|")
    val pageSplitConvertRateRDD = spark.sparkContext.makeRDD(Array(PageSplitConvertRate(taskid,convertRate)))

    import spark.implicits._
    pageSplitConvertRateRDD.toDF().write
      .format("jdbc")
      .option("url", ConfigurationManager.config.getString(Constants.JDBC_URL))
      .option("dbtable", "page_split_convert_rate")
      .option("user", ConfigurationManager.config.getString(Constants.JDBC_USER))
      .option("password", ConfigurationManager.config.getString(Constants.JDBC_PASSWORD))
      .mode(SaveMode.Append)
      .save()
复制代码

}

3 总结

温故而知新，本文为了综合复习，进行代码总结，内容粗鄙，勿怪

版权声明：本套技术专栏是做者（秦凯新）平时工做的总结和升华，经过从真实商业环境抽取案例进行总结和分享，并给出商业应用的调优建议和集群环境容量规划等内容，请持续关注本套博客。QQ邮箱地址：1120746959@qq.com，若有任何技术交流，可随时联系。

秦凯新 于深圳