大数据外卖智能监测系统系统是针对外卖餐饮监管问题而设计的餐饮商家风险监测和风险
预警系统。对于目前网络餐饮服务第三方平台责任落实不到位，对入网餐饮服务者审查把
关不严以及部分入网餐饮服务提供者的食品安全意识不高、经营管理水平有限、食品安全
存在隐患、无证经营、虚假证照、证照重复、一址多店乱象横生等问题，进行餐饮商家信
息采集和分析，从而达到预警风险、精确执法的目的。
（实时+离线+数仓设计+商家画像+机器学习）
Kafka+HDFS+zeta+hive+elk+mysql
1.根据需求设计更新大数据外卖智能监测系统的设计文档
2.使用 zeta 实时读取 kafka 中的 json 数据并进行解析，并将数据中的 shop_id 与证照
链接传入 AI 接口，接收 AI 返回的数据数据更新到 Mysql
3.将解析后的数据存入 HDFS 和 ES，存入 HDFS 用于使用 hive 统计分析计算问题类
型，存入 es 的数据用于实时展示源数据，方便数据采集人员排查问题
4.设计数据仓库分为四层
源数据层--hive 加载 HDFS 中的数据
数据明细层-过滤掉不符合要求的数据和脏数据
数据中间层--根据需求统计计算出各商家的基数统计数据
数据服务层--数据通过证照比对、地址信息、销量排行、评价口碑等多个维度建立外卖
餐饮商家风险指数等主题的宽表
数据应用层--计算出的相关数据存放到 Mysql 用于数据挖掘展示等
5.使用 azkaban 进行任务定时调度
6.基于数据服务层的数据，进行多维度的 TOP100 商家画像，计算出各区域需要重点监
管的对象，完成头部流量重点监管
7.根据监管的对象执法人员检查的结果结合机器学习算法，持续的迭代完善模型使监管，
精准，实时的推荐重点监管的结果为执法人员及时的发现违法线索提供依据。