2016年12月6號我參加了研究生論文的開題報告，研究方向為基於使用者行為的協同過濾推薦演算法，因此一直在跟進使用者行為相關資料的學習。
經朋友推薦，在極客學院上找到所需資料，我整理後分享給大家，希望大家拍磚。
對於使用者行為分析專案，我們肯定不陌生，平時我們在京東或者淘寶或者噹噹瀏覽過商品後，電商網站總會為我們推薦相關的商品，記得有次看噹噹做個性化推薦的架構師做知識分享時提到，噹噹個性化推薦系統每年可以為噹噹提高30%的營業額，真可謂功不可沒。
在接觸到個性化推薦系統後，我一直在想，這一套是怎麼做出來的呢？今天我結合自己所看的視訊，把我的理解和大家分享一下，理解有偏差的地方，請大家斧正。
使用者行為分析專案整體上分為四部分：收集資料、儲存資料、處理資料、展現資料，如下圖所示：

有了整體的理解後，我們下面對每個部分進行詳細講解。
對於收集資料模組，使用者在登入網站後，一般會產生使用者登入記錄日誌、使用者網站訪問日誌、註冊記錄日誌等其他訪問日誌。這些日誌我們可以通過Web伺服器（如：Nginx、JBoss、WebLogic等）進行記錄，然後通過Flume NG日誌收集叢集進行統一收集，儲存到HDFS。

對於儲存資料模組，我們可以搭建HDFS叢集，大家流程參考HDFS API。
對於處理資料模組，我們可以搭建Hadoop或Storm叢集，把HDFS的資料分析、處理後儲存到MySQL。
對於展現資料模組，我們可以開發API介面，訪問處理資料模組儲存在MySQL的資料。
這樣通過長期的資料統計，我們便可以為使用者打上很多標籤，比如：性別、年齡、偏好……
通過構件使用者行為分析系統，我們可以掌握使用者動向，為制定決策提供資料依據，做到精準推送。
希望我的分享可以您讓對使用者行為分析系統有一個巨集觀的認識。