UserSessionBehaviorOfflineAnalysis

四川大学拓思爱诺用户session行为数据离线分析项目

需求1

通过指定taskid，从数据库查询任务相关信息，包括starttime，taskParam等，要求通过数据库连接池的方式获取连接，连接池在整个程序的运行过程中只有一份，且链接数量固定（Jdbc+Mysql）

需求2

在指定日期范围内，按照session粒度进行数据聚合。要求聚合后的pair RDD的元素是<k:String,v:String>, 其中k=sessionid，v的格式如下：

sessionid=value|searchword=value|clickcaterory=value|age=value|professional=value|city=value|sex=value

使用(Spark RDD + Sql)

需求3

根据用户的查询条件，一个 或者多个：年龄范围，职业（多选），城市（多选），搜索词（多选），点击品类（多选）进行数据过滤

注意：session时间范围是必选的。返回的结果RDD元素格式同上，使用(Spark RDD + Sql)

需求4

实现自定义累加器完成多个聚合统计业务的计算，统计业务包括访问时长：1-3秒，4-6秒，7-9秒，10-30秒，30-60秒的session访问量统计， 访问步长：1-3个页面，4-6个页面等步长的访问统计

注意：业务较为复杂,需要使用多个广播变量时，就会使得程序变得非常复杂，不便于扩展维护（Spark Accumulator）

需求5

对通过筛选条件的session，按照各个品类的点击、下单和支付次数，降序排列，获取前10个热门品类。

优先级：点击，下单，支付。二次排序（Spark）

其它

以下链接是一个从前端展示到后台数据交互流程的具体demo

WiFiProbeAnalysis