基于在線視頻用戶數(shù)據(jù)的DMP系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著個(gè)人電腦和智能手機(jī)的不斷普及，以及網(wǎng)絡(luò)帶寬成本的不斷下降，在線觀看網(wǎng)絡(luò)視頻已經(jīng)成為人們生活中常見的一種娛樂或?qū)W習(xí)方式。國內(nèi)幾個(gè)著名的在線視頻網(wǎng)站每天都會(huì)有億級的訪問量，因此會(huì)產(chǎn)生大量的用戶數(shù)據(jù)。如何存儲(chǔ)和有效的利用這些數(shù)據(jù)，來支持公司的廣告精準(zhǔn)營銷，用戶統(tǒng)計(jì)，數(shù)據(jù)挖掘，效果評估等不同的業(yè)務(wù)場景，是需要解決的問題。
　　針對此問題，本人所在的實(shí)習(xí)公司優(yōu)酷土豆實(shí)現(xiàn)了一個(gè)DMP系統(tǒng)，即數(shù)據(jù)管理平臺。在技術(shù)選型時(shí)，主要考慮以下幾點(diǎn):D

2、MP的原始數(shù)據(jù)量非常大，對于數(shù)據(jù)處理能力要求高，但是這份數(shù)據(jù)的生成時(shí)效性要求不高。DMP需要有一個(gè)實(shí)時(shí)查詢的接口來滿足外部業(yè)務(wù)要求，對所生成的結(jié)果數(shù)據(jù)的操作需要有強(qiáng)大的實(shí)時(shí)計(jì)算技術(shù)來支撐。綜合上述兩點(diǎn)，我們在技術(shù)上分別采用了MapReduce的框架和SPARK的計(jì)算框架，來實(shí)現(xiàn)離線和實(shí)時(shí)的計(jì)算任務(wù)。
　　在優(yōu)酷土豆工作期間，本人主要參與和完成了DMP系統(tǒng)的需求分析，設(shè)計(jì)，開發(fā)，測試以及維護(hù)工作。工作內(nèi)容如下:
　　(1)參與

3、并完成了系統(tǒng)的需求分析，包括功能需求與非功能需求。
　　(2)參與并完成了系統(tǒng)的概要設(shè)計(jì)，包括系統(tǒng)的總體概要設(shè)計(jì)，數(shù)據(jù)預(yù)處理功能、數(shù)據(jù)合并功能、人群篩選與投影功能等功能模塊的概要設(shè)計(jì)。
　　(3)負(fù)責(zé)并完成了系統(tǒng)多個(gè)模塊的詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)，包括標(biāo)簽體系的詳細(xì)設(shè)計(jì)，日志解析模塊的設(shè)計(jì)與實(shí)現(xiàn)，用戶頻道偏好挖掘設(shè)計(jì)與實(shí)現(xiàn)，用戶偏好Top20子頻道的設(shè)計(jì)與實(shí)現(xiàn)，用戶廣告關(guān)鍵詞偏好的挖掘設(shè)計(jì)與實(shí)現(xiàn)，數(shù)據(jù)清洗模塊的設(shè)計(jì)與實(shí)現(xiàn)，Hive中U

4、DF函數(shù)的實(shí)現(xiàn)，數(shù)據(jù)合并模塊的設(shè)計(jì)與實(shí)現(xiàn)，人群篩選管理接口詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)，人群投影接口詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)。
　　(4)負(fù)責(zé)并完成了多個(gè)功能模塊的測試用例編寫與實(shí)際功能測試工作。
　　(5)負(fù)責(zé)系統(tǒng)的維護(hù)與更新，包括自動(dòng)化腳本的編寫，以使各分區(qū)數(shù)據(jù)定時(shí)更新。在實(shí)現(xiàn)該項(xiàng)目的過程中，主要用到的技術(shù)為Hadoop的MapReduce框架以及Spark Sql，實(shí)現(xiàn)的語言為Java、Hive和shell腳本。使用Git進(jìn)行版本控制，Mav