文档章节

互联网日志的种类、存储和计算

FansUnion
 FansUnion
发布于 2015/10/22 10:29
字数 1144
阅读 16
收藏 1

最近几年,经常听到数据挖掘这个词。

不过,我仔细看了下,发现这个词还是挺模糊的。

挖掘

这个词,应该指从数据中发现有价值的信息。

比如从搜索词中,发现网民的关注点,进而指导广告投放、产品推荐,生产用户需要的产品。

数据

根据我有限的阅历来看,数据最常见的形式就是日志,各种各样的日志。

限于从业经验有限,本文只是简要介绍下日志的种类、存储和计算,仅供参考。

日志的种类

1.浏览日志

a.广告曝光日志

  一个广告的一次曝光,会产生一条曝光日志。

  日志格式:广告位ID、媒体、频道、曝光时间、IP、来源、操作系统、浏览器、用户ID等。

  注:可以用监测点ID来代替媒体和频道等更多信息。

b.网页访问日志

  网页被一个用户访问一次,产生一条访问日志。

  日志格式:网页URL、用户ID、访问时间、来源、操作系统、浏览器等。

2.行为日志

a.广告点击日志

日志格式:广告位ID、媒体、频道、点击时间、IP、来源、操作系统、浏览器、用户ID等。

b.内容点击日志

 用户点击了站内的链接,记录这个日志,可以得出用户的喜好。

日志格式: 与网页访问和广告点击日志类似。

c.分享日志

 用户分享了文章或者文章的一部分。

d.收藏

用户收藏了商品、文章、代码等。

e.搜索

  百度肯定记录了用户的搜索记录。

 优酷等视频网站、新浪等媒体网站也有吧。

 更多日志,不再一一列举。

日志的存储

百度、优酷等大型互联网网站,肯定有很多服务器。

日志也会存储到多台服务器上。

日志可以存储到文件中,一条日志一个文件,或者多个日志共用一个文件。

至于怎样更合理,我还没有啥实际经验。

两个疑问

1.日志数据作为互联网公司的重要资产,是否会统一存储起来呢?

我觉得最终会统一存放到数据仓库中,一台机器显然是不够的,会有很多台。

2.这些日志数据有必要备份么?

 我觉得有必要。

日志的计算

1.实时计算

  来一条日志,或者一定量的日志,就计算。

  然后,把多态服务器上的计算结果累加,得出最终的结果。

  现在,很多客户都要求“实时数据”。比如,广告投放15分钟之后,就可以看到监测数据了。

 实时计算能力已经成为一个技术公司的核心竞争力了。

2.非实时计算

  等所有相关数据都出来了,然后再统一计算。

  这种方式,准确度会更高。

云存储

有的技术公司,有自己私有的云存储技术,不对外提供。

有的技术公司,不但有私有的云存储技术,还对外提供服务。比如百度、金山、QQ等都有免费提供给用户的云存储服务。

公司内部与向外提供还是有区别的。比如象访问和点击日志这种,文件比较小。而对外提供的,文件可能比较大。

场景和需求的不同,也就决定了云存储技术还是会分化成好几种。

云计算

我一直没有搞清楚“云计算”和“分布式计算”有啥区别,总感觉“云”就是一个模糊的让人“云山雾绕”的概念。

姑且就认为云计算=分布式计算。

我的理解,云计算就是把一个复杂的计算问题,拆分成了可以单独计算的多个部分,然后把多个计算结果进行合并。

(上周末看了《云计算-大数据时代的系统工程》这本书,对云计算有了更清晰的认识。)

友情提示

本人从业时间有限,经验有限,因此本文仅供参考。

本人正在努力学习和研究当中。

欢迎提出建设性的意见和建议。

原文链接:http://blog.fansunion.cn/articles/3445(小雷博客-blog.fansunion.cn)

版权声明:本文为博主原创文章,未经博主允许不得转载。

© 著作权归作者所有

共有 人打赏支持
FansUnion
粉丝 57
博文 858
码字总数 825464
作品 0
丰台
高级程序员
私信 提问

暂无文章

EOS docker开发环境

使用eos docker镜像是部署本地EOS开发环境的最轻松愉快的方法。使用官方提供的eos docker镜像,你可以快速建立一个eos开发环境,可以迅速启动开发节点和钱包服务器、创建账户、编写智能合约....

汇智网教程
今天
10
0
《唐史原来超有趣》的读后感优秀范文3700字

《唐史原来超有趣》的读后感优秀范文3700字: 作者:花若离。我今天分享的内容《唐史原来超有趣》这本书的读后感,我将这本书看了一遍之后就束之高阁了,不过里面的内容一直在在脑海中回放,...

原创小博客
今天
17
0
IC-CAD Methodology知识图谱

CAD (Computer Aided Design),计算机辅助设计,指利用计算机及其图形设备帮助设计人员进行设计工作,这个定义同样可以用来近似描述IC公司CAD工程师这个岗位的工作。 早期IC公司的CAD岗位最初...

李艳青1987
今天
16
0
CompletableFuture get方法一直阻塞或抛出TimeoutException

问题描述 最近刚刚上线的服务突然抛出大量的TimeoutException,查询后发现是使用了CompletableFuture,并且在执行future.get(5, TimeUnit.SECONDS);时抛出了TimeoutException异常,导致接口响...

xiaolyuh
今天
8
0
dubbo 搭建与使用

官网:http://dubbo.apache.org/en-us/ 一,安装监控中心(可以不安装) admin管理控制台,monitor监控中心 下载 bubbo ops 这个是新版的,需要node.js环境,我没有就用老版的了...

小兵胖胖
今天
16
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部