hadoop - 有人可以建议 HBase 架构点击流数据吗

Question

我想使用 HBase 创建一个点击流应用程序，在 sql 中这将是一个非常简单的任务，但在 Hbase 中我还没有得到第一条线索。有人可以建议我在 HBase 中使用的架构设计和 key 。

我提供了一个粗略的数据模型和几个我想查询数据的问题。

关于访问数据我想问的问题

哪些事件导致了转化？ 最后一页是什么/浏览了多少页？ 客户离开了哪些页面？ 20-30岁的男性顾客喜欢买什么产品？ 客户购买了产品 x 也可能购买产品 y？ 第一页的转化量？

{

    PageViews: [
        { 
            date: "19700101 00:00",
            domain: "http://foobar.com", 
            path: "pageOne.html", 
            timeOnPage: "10", 
            pageViewNumber: 1,
            events: [
                { name: "slideClicked", value: 0, time: "00:00"},
                { name: "conversion", value: 100, time: "00:05"}
                ],
            pageData: {
                category: "home",
                pageTitle: "Home Page"
            }
        },
        { 
            date: "19700101 00:01",
            domain: "http://foobar.com", 
            path: "pageTwo.html", 
            timeOnPage: "20", 
            pageViewNumber: 2,
            events: [
                { name: "addToCart", value: 50.00, time: "00:02"}
                ],
            pageData: {
                category: "product",
                pageTitle: "Mans Shirt",
                itemValue: 50.00
            }
        },
        { 
            date: "19700101 00:03",
            domain: "http://foobar.com", 
            path: "pageThree.html", 
            timeOnPage: "30", 
            pageViewNumber: 3,
            events: [],
            pageData: {
                category: "basket",
                pageTitle: "Checkout"
            }
        }
    ],
    Customer: {
        IPAddress: 127.0.0.1,
        Browser: "Chrome",
        FirstName: "John",
        LastName: "Doe",
        Email: "john.doe@email.com",
        isMobile: 1,
        returning: 1,
        age: 25,
        sex: "Male"
    }
}

Answer 1

嗯，你的数据主要是一对多的关系。一个客户和一组页面 View 实体。由于您所有的查询都是以客户为中心的，因此将每个客户作为行存储在 Hbase 中并将客户 ID(在您的情况下可能是电子邮件)作为行键的一部分是有意义的。

如果您决定为一位客户存储一行，则每个页面 View 详细信息都将嵌套存储。有关 hbase 设计的视频链接将帮助您理解这一点。所以对于上面的例子，你得到一行和三个嵌套实体

另一种方法是非规范化形式，以便 hbase 执行良好的查找。这里每一行都是页面 View ，每一行都会附加客户数据。所以对于上面的例子，你最终得到三行。数据会重复。同样，视频也提供了相关信息(压缩的东西)。

每个页面 View 中都有更多嵌套级别 - 实时事件和页面数据。因此，就反规范化而言，情况只会变得更糟。由于Hbase中的一切都是键值对，很难查询和匹配这些嵌套级别。希望这能帮助你开始

好的视频链接 here