前一章节，博主介绍了大数据中hadoop的生态圈以及大数据目前的就业前景分析，本节博主将继续为大家分享一个典型的大数据分布式应用场景。
一个应用广泛的数据分析系统：“web日志数据挖掘”：
1.案例名称
网站或APP点击流日志数据挖掘系统”;
一般中型的网站(10W的PV以上)，每天会产生1G以上Web日志文件。大型或超大型的网站，可能每小时就会产生10G的数据量。
具体来说，比如某电子商务网站，在线团购业务。每日PV数100w，独立IP数5w。用户通常在工作日上午10:00-12:00和下午15:00-18:00访问量最大。日间主要是通过PC端浏览器访问，休息日及夜间通过移动设备访问较多。网站搜索浏量占整个网站的80%，PC用户不足1%的用户会消费，移动用户有5%会消费。
对于日志的这种规模的数据，用HADOOP进行日志分析，是最适合不过的了。
2.需求描述
“Web点击流日志”包含着网站运营很重要的信息，通过日志分析，我们可以知道网站的访问量，哪个网页访问人数最多，哪个网页最有价值，广告转化率、访客的来源信息，访客的终端信息等。
3.数据来源
本案例的数据主要由用户的点击行为记录
获取方式：在页面预埋一段js程序，为页面上想要监听的标签绑定事件，只要用户点击或移动到标签，即可触发ajax请求到后台servlet程序，用log4j记录下事件信息，从而在web服务器（nginx、tomcat等）上形成不断增长的日志文件。形如：
58.215.204.118 - - [18/Sep/2013:06:51:35 +0000] "GET /wp-includes/js/jquery/jquery.js?ver=1.10.2 HTTP/1.1" 304 0 "http://blog.fens.me/nodejs-socketio-chat/" "Mozilla/5.0 (Windows NT 5.1; rv:23.0) Gecko/20100101 Firefox/23.0"
4.数据处理流程
本案例跟典型的BI系统极其类似，整体流程如下：
但是，由于本案例的前提是处理海量数据，因而，流程中各环节所使用的技术则跟传统BI完全不同，后续章节都会一一讲解：
- 数据采集：定制开发采集程序，或使用开源框架FLUME
- 数据预处理：定制开发mapreduce程序运行于hadoop集群
- 数据仓库技术：基于hadoop之上的Hive
- 数据导出：基于hadoop的sqoop数据导入导出工具
- 数据可视化：定制开发web程序或使用kettle等产品
- 整个过程的流程调度：hadoop生态圈中的oozie工具或其他类似开源产品
5.项目技术架构图
6.项目相关截图
a)Mapreudce程序运行
b)在Hive中查询数据
c)将统计结果导入mysql
./sqoop export --connect jdbc:mysql://localhost:3306/weblogdb --username root --password root --table t_display_xx --export-dir /user/hive/warehouse/uv/dt=2014-08-03
7.项目最终效果
经过完整的数据处理流程后，会周期性输出各类统计指标的报表，在生产实践中，最终需要将这些报表数据以可视化的形式展现出来，本案例采用web程序来实现数据可视化
效果如下所示：
8.本案类似推荐架构图
