你好,欢迎来到js代码网。

微信登录

Flink电商平台用户行为大数据智能分析​实战课程

上传人热点
分类大数据
发布时间2020-03-12
来源https://www.jsdaima.com/video/926.html

Flink电商平台用户行为大数据智能分析​实战课程视频教程下载。电商平台中的用户行为频繁且较复杂,系统上线运行一段时间后,可以收集到大量的用户行为数据,进而利用大数据技术进行深入挖掘和分析,得到感兴趣的商业指标并增强对风险的控制。

课程目录
├─1.视频
│  │ Flink课程简介及视频目录.docx
│  │  
│  ├─I_理论_Flink基础
│  │      001_Flink课程简介.mp4
│  │      002__Flink理论_Flink简介(一).mp4
│  │      003__Flink理论_Flink简介(二)应用场景.mp4
│  │      004__Flink理论_Flink简介(三)流处理的演变.mp4
│  │      005__Flink理论_Flink简介(四)Flink的特点.mp4
│  │      006__Flink理论_Flink快速上手(上)批处理wordcount.mp4
│  │      007__Flink理论_Flink快速上手(下)流处理wordcount.mp4
│  │      008__Flink理论_Flink部署(上)基本配置和启动集群.mp4
│  │      009__Flink理论_Flink部署(中)提交任务和测试.mp4
│  │      010__Flink理论_Flink部署(下)命令行操作及其它部署方式.mp4
│  │      011__Flink理论_Flink运行架构(一)运行时的组件和基本原理.mp4
│  │      012__Flink理论_Flink运行架构(二)Slot和并行度.mp4
│  │      013__Flink理论_Flink运行架构(三)数据流和执行图.mp4
│  │      014__Flink理论_Flink运行架构(四)任务调度控制.mp4
│  │      015__Flink理论_Flink DataStream API(一)环境和简单source.mp4
│  │      016__Flink理论_Flink DataStream API(二)Kafka Source.mp4
│  │      017__Flink理论_Flink DataStream API(三)自定义Source.mp4
│  │      018__Flink理论_Flink DataStream API(四)基本转换算子.mp4
│  │      019__Flink理论_Flink DataStream API(五)聚合算子.mp4
│  │      020__Flink理论_Flink DataStream API(六)多流转换算子.mp4
│  │      021__Flink理论_Flink DataStream API(七)UDF函数.mp4
│  │      022__Flink理论_Flink DataStream API(八)Kafka Sink.mp4
│  │      023__Flink理论_Flink DataStream API(九)Redis Sink.mp4
│  │      024__Flink理论_Flink DataStream API(十)ES Sink.mp4
│  │      025__Flink理论_Flink DataStream API(十一)JDBC Sink.mp4
│  │      026__Flink理论_Flink Window API(上)概念和类型.mp4
│  │      027__Flink理论_Flink Window API(下)API详解.mp4
│  │      028__Flink理论_Flink时间语义.mp4
│  │      029__Flink理论_Watermark.mp4
│  │      030__Flink理论_Flink窗口操作(上)简单测试.mp4
│  │      031__Flink理论_Flink窗口操作(中)事件时间测试.mp4
│  │      032__Flink理论_Flink窗口操作(下)Window起始点.mp4
│  │      033__Flink理论_Flink底层API(上)Process Function.mp4
│  │      034__Flink理论_Flink底层API(中)Process Function编程示例.mp4
│  │      035__Flink理论_Flink底层API(下)侧输出流.mp4
│  │      036__Flink理论_Flink状态管理(上)算子状态和键控状态.mp4
│  │      037__Flink理论_Flink状态管理(下)状态后端.mp4
│  │      038__Flink理论_Flink状态编程(上).mp4
│  │      039__Flink理论_Flink状态编程(下).mp4
│  │      040__Flink理论_Flink容错机制(上)检查点.mp4
│  │      041__Flink理论_Flink容错机制(中)检查点算法.mp4
│  │      042__Flink理论_Flink容错机制(下)检查点配置.mp4
│  │      043__Flink理论_Flink状态一致性(上).mp4
│  │      044__Flink理论_Flink状态一致性(中)端到端状态一致性.mp4
│  │      045__Flink理论_Flink状态一致性(下)Flink-Kafka端到端状态一致性.mp4
│  │      046__Flink理论_Table API 和Flink SQL简介.mp4
│  │      
│  └─2  II_项目_电商用户行为分析
│          047_电商用户行为分析_项目简介.mp4
│          048_电商用户行为分析_实时热门统计流程分析.mp4
│          049_电商用户行为分析_其它模块需求分析.mp4
│          050_电商用户行为分析_常见指标汇总.mp4
│          051_电商用户行为分析_实时热门商品统计(一).mp4
│          052_电商用户行为分析_实时热门商品统计(二).mp4
│          053_电商用户行为分析_实时热门商品统计(三).mp4
│          054_电商用户行为分析_实时热门商品统计(四)Kafka测试.mp4
│          055_电商用户行为分析_热门页面统计(上).mp4
│          056_电商用户行为分析_热门页面统计(下).mp4
│          057_电商用户行为分析_PV统计.mp4
│          058_电商用户行为分析_UV统计.mp4
│          059_电商用户行为分析_布隆过滤器实现UV统计(上).mp4
│          060_电商用户行为分析_布隆过滤器实现UV统计(中).mp4
│          061_电商用户行为分析_布隆过滤器实现UV统计(下).mp4
│          062_电商用户行为分析_APP推广渠道统计(上).mp4
│          063_电商用户行为分析_APP推广渠道统计(下).mp4
│          064_电商用户行为分析_带黑名单的广告点击统计(上).mp4
│          065_电商用户行为分析_带黑名单的广告点击统计(下).mp4
│          066_电商用户行为分析_登录失败检测(上).mp4
│          067_电商用户行为分析_登录失败检测(下).mp4
│          068_电商用户行为分析_CEP简介(上).mp4
│          069_电商用户行为分析_CEP简介(下).mp4
│          070_电商用户行为分析_登录失败检测CEP实现.mp4
│          071_电商用户行为分析_订单超时失效CEP实现(上).mp4
│          072_电商用户行为分析_订单超时失效CEP实现(下).mp4
│          073_电商用户行为分析_订单超时失效状态编程(上).mp4
│          074_电商用户行为分析_订单超时失效状态编程(下).mp4
│          075_电商用户行为分析_实时对账(上).mp4
│          076_电商用户行为分析_实时对账(中).mp4
│          077_电商用户行为分析_实时对账(下).mp4
│          078_电商用户行为分析_实时对账Join实现及项目总结.mp4
│         
├─2.笔记
│  ├─1 I_理论_Flink基础
│  │      1_Flink简介.pptx
│  │      2_Flink运行架构.pptx
│  │      3_Flink window API .pptx
│  │      4_Flink中的时间语义和watermark.pptx
│  │      5_Flink的状态管理.pptx
│  │      6_Flink的容错机制.pptx
│  │      7_Flink的状态一致性.pptx
│  │      8_Flink CEP简介.pptx
│  │      尚硅谷大数据之flink教程.doc
│  │      
│  └─2 II_项目_电商用户行为分析
│          尚硅谷大数据技术之电商用户行为数据分析.doc
│          电商用户行为数据分析.pptx
│         
├─3.资料
│  ├─I_工具
│  │      flink-1.7.2-bin-scala_2.11.tgz
│  │      kafka_2.11-2.1.0.tgz
│  │      scala-2.11.8.zip
│  │      
│  └─II_扩展学习资料
│          Stream Processing with Apache Flink.pdf
│         
└─4.代码
    │  FlinkTutorial.rar
    │  UserBehaviorAnalysis.rar
    │  
    └─Data
            AdClickLog.csv
            apache.log
            LoginLog.csv
            OrderLog.csv
            ReceiptLog.csv
            UserBehavior.csv

项目主要模块
基于对电商用户行为数据的基本分类,我们可以发现主要有以下三个分析方向:

热门统计
利用用户的点击浏览行为,进行流量统计、近期热门商品统计等。

偏好统计
利用用户的偏好行为,比如收藏、喜欢、评分等,进行用户画像分析,给出个性化的商品推荐列表。

风险控制
利用用户的常规业务行为,比如登录、下单、支付等,分析数据,对异常情况进行报警提示。 

本项目限于数据,我们只实现热门统计和风险控制中的部分内容,将包括以下四大模块:实时热门商品统计、实时流量统计、恶意登录监控和订单支付失效监控。 

由于对实时性要求较高,我们会用flink作为数据处理的框架。在项目中,我们将综合运用flink的各种API,基于EventTime去处理基本的业务需求,并且灵活地使用底层的processFunction,基于状态编程和CEP去处理更加复杂的情形。 
下载地址

相关教程

点击查看更多

Flink电商平台用户行为大数据智能分析​实战课程

×