使用者日誌：

訪問的系統屬性：作業系統、瀏覽器型別

訪問特徵：點選的URL、來源（referer）url [推廣]、頁面停留時間

訪問資訊：session_id，訪問IP

價值：分析每個使用者的使用場景頻率高的業務點，分析每個使用者的IP 【解析到城市資訊】，根據使用者瀏覽商品打瀏覽標籤精準推薦商品 等等…

1. 資料處理

有資料者有未來，有資料意味著每一份使用者行為資料都是寶貴的資源。經過資料清洗，再用演算法提取分析，商業價值，商業決策、線上推廣 等等….當然一切建立在有大量使用者有流量的情況下的。

資料處理流程

資料採集：

       Flume：將記錄的使用者行為日誌提取至HDFS

資料清洗：

       髒資料

       Spark、Hive、MapReduce 或者是其他的分散式計算框架

       清洗完的資料可以放到HDFS（HDFS，Spark SQL）

資料處理：

       按照我們的需要進行相應的業務統計與分析

       Spark、Hive、MapReduce 或者是其他的分散式計算框架

處理結果入庫：

       分析處理結果資料儲存至：NoSQL、RDBMS

資料視覺化

       通過圖形化展示出計算出來的資料結果

Echarts、HUE 等…

1. 大資料處理架構

一個典型的簡單版本的使用者行為大資料處理架構。離線資料處理