介绍大数据技术已经迅速应用于商业并产生价值，通过数据分析来识别用户行为，建立以用户为中心的低成本快速增长，是一个企业必须具备的核心竞争力。随着成本的大幅度增加，企业必须改变过去粗放型的营销和运营方式，特别是在市场营销、产品制造、销售以及未来的客户服务等各个方面向更加科学、高效的方向转变。

小象电商系统上线后，需要收集用户行为数据，通过大数据实时分析实现电商业务数字化运营。基于此强需求开发小象用户行为分析，兼容神策开源的埋点SDK完成终端行为上报，采用Nginx+Flume+kafka实现日志收集，采用Flink写入HDFS。

本开源项目内容包括nginx环境配置、Flume解密和日志格式处理、将明文数据存放到kafka的Topic下、Flink消费后将埋点数据存入HDFS的关键4步操作。为方便前期埋点的校验调优，在kafka环节，增加了埋点解析数据 JSON格式存入MySQL。后续计划增加友盟和其他SDK厂商的埋点处理，以及业务系统日志的采集入库。

项目主要内容日志采集（Flume+kafka）日志入库（Flink+HDFS）工作流程完成数据采集技术构建和业务设计，在App、小程序的系统供应商配合下完成用户行为数据采集埋点，并基于埋点的数据构建线上用户行为标签和画像。 

架构设计思路所谓“埋点”，是数据采集领域（尤其是用户行为数据采集领域）的术语，指的是针对特定用户行为或事件进行捕获、处理和发送的相关技术及其实施过程。比如用户某个icon点击次数、观看某个视频的时长等等。 

业务设计思路埋点业务设计，首先需要根据业务分析明确采集的目标行为，进一步搞清楚应该在哪些地方埋什么样的点。过程中建议使用“事件模型（Event模型）”来描述用户的各种行为，事件模型包括事件（Event）和用户（User）两个核心实体。基于4W1H模型描述用户行为可将整个行为描述清楚，要点包括：是谁、什么时间、什么地点、以什么方式、干了什么。通过这两个实体结合在一起就可以清晰地描述清楚用户行为。 

技术架构SDK埋点采集行为数据来源终端包括iOS、安卓、Web、H5、微信小程序等。不同终端SDK采用对应平台和主流语言的SDK，埋点采集到的数据通过JSON数据以HTTPPOST方式提交到服务端API。服务端API由数据接入系统组成，采用Nginx来接收通过API发送的数据，并且将之写到日志文件上。使用Nginx实现高可靠性与高可扩展性。对于Nginx打印到文件的日志，会由Flume的Source模块来实时读取Nginx日志，并由Channel模块进行数据处理，最终通过Sink模块将处理结果发布到Kafka中。

软件完整架构

第三方埋点SDK集成步骤引入SDK：在终端应用配置文件添加SDK依赖，不同终端引入方式会有差异，具体操作步骤将在后续SDK技术文档中体现。配置上报服务端API地址：用于设置SDK上报API的服务端地址。开启全埋点：SDK可以自动采集一些用户行为，如App启动、退出、浏览页面、控件点击。初始化SDK时，通过SDK提供的初始化方法可以配置开启全埋点。API接入服务设计不同渠道的埋点数据通过HTTPAPI发送给服务端API实现数据接入。采用Nginx作为WEB容器接收客户端SDK发送的数据，并且将之写到日志文件上。使用Nginx主要是考虑到其高并发、高可靠性与高可扩展性。

用户行为采集场景通过应用场景梳理，实现以场景规划埋点，用场景检验埋点。场景梳理可以抽象为三个层面：

通用基础场景：共性操作统一考虑重要操作场景：重要操作整体归因业务主流程场景：以业务线定义完整过程

应用效果