背景
靠文章生存的大厂们简书/小红书/CSDN(PS:好吧你们仨记得给我广告费)，对优秀的文章进行大数据分析的工作必不可以少了，本系列文章将会从关于文章的各个维度进行实战分析，这系列文章新手可借着踏入大数据研发的大门，至于大数据的大佬们可以一起来相互伤害，至少为什么取名为 ''百亿级流量实时分析统计'' 看完后整个系列的文章你就知道了，相信大家都是会举一反三的孩子们。
作者
网名： 姓名：不晓 年龄：不知 身高：不祥 性别：男
日志结构
日志存储结构设计如下，肯定很多小伙伴要问为什么设计成JSON形式？多占空间？多... 统一回复：可读、易排查
{ "time": 1553269361115, "data": { "type": "read", "aid": "10000", "uid": "4229d691b07b13341da53f17ab9f2416", "tid": "49f68a5c8493ec2c0bf489821c21fc3b", "ip": "22.22.22.22" }}复制代码 参数
| 名称 | 值 | 说明 |
|---|---|---|
| time | 精确到毫秒 | 时间 |
| type | login:登录/register:注册/read:阅读/like:喜欢/comment:评论/share:分享/reward:赞赏/publish:发布文章/update:发布更新/private:设置私密/delete:删除 | |
| aid | 数字 | 文章编号 |
| uid | uuid | 用户编号 |
| tid | uuid | 用户临时缓存编号 |
| ip | ip | IP地扯 |
Hbase结构
日志表
create 'LOG_TABLE',{NAME => 'info',TTL => '30 DAYS',CONFIGURATION => { 'SPLIT_POLICY' => 'org.apache.hadoop.hbase.regionserver.KeyPrefixRegionSplitPolicy','KeyPrefixRegionSplitPolicy.prefix_length'=>'2'},COMPRESSION=>'SNAPPY'},SPLITS => ['20', '40', '60', '80', 'a0', 'c0', 'e0']复制代码 - rowkey -------->
49|20190101000000000|f68a5c(时间+用户ID) **设计原则：**能按时间维度查询,而且还能打散数据。 - 过期时间 30天 --------> 够长的了,反正日志源文件还在 **设计原则：**其实就是为了不占用那么多的存储资源。
- 预分区 -------->使用
rowkey前两位，00~ff=256 个region，表示现在的业务已经可以满足要求。 **设计原则：**是为了能尽量打散数据到各台Region Server。
用户表
create 'USER_TABLE',{NAME => 'info',CONFIGURATION => { 'SPLIT_POLICY' => 'org.apache.hadoop.hbase.regionserver.KeyPrefixRegionSplitPolicy','KeyPrefixRegionSplitPolicy.prefix_length'=>'2'},COMPRESSION=>'SNAPPY'},SPLITS => ['20', '40', '60', '80', 'a0', 'c0', 'e0']复制代码 - rowkey --------> 49f68a5c8493ec2c0bf489821c21fc3b (用户ID,前8位) **设计原则：**唯一性,通过ID能直接找到用户信息。
现在还没涉及到程序设计与实现篇章，后续将会在 "百亿级流量实时分析统计" 系列文章中逐一实现。