目录
- 一.页面单跳转化率统计
- 需求简介
- 思路分析
- 二.具体实现
- 具体业务实现
- 完整项目代码
一.页面单跳转化率统计
需求简介
- 计算页面单跳转化率，什么是页面单跳转换率，比如一个用户在一次 Session 过程中访问的页面路径 3,5,7,9,10,21，那么页面 3 跳到页面 5 叫一次单跳，7-9 也叫一次单跳，那么单跳转化率就是要统计页面点击的概率
- 比如：计算 3-5 的单跳转化率，先获取符合条件的 Session 对于页面 3 的访问次数（PV）为 A，然后获取符合条件的 Session 中访问了页面 3 又紧接着访问了页面 5 的次数为 B，那么 B/A 就是 3-5 的页面单跳转化率.
- 产品经理和运营总监，可以根据这个指标，去尝试分析，整个网站，产品，各个页面的表现怎么样，是不是需要去优化产品的布局；吸引用户最终可以进入最后的支付页面。
- 数据分析师，可以此数据做更深一步的计算和分析。
- 企业管理层，可以看到整个公司的网站，各个页面的之间的跳转的表现如何，可以适当调整公司的经营战略或策略。
- 在该模块中，需要根据查询对象中设置的 Session 过滤条件，先将对应得 Session 过滤出来，然后根据查询对象中设置的页面路径，计算页面单跳转化率，比如查询的页面路径为：3、5、7、8，那么就要计算 3-5、5-7、7-8 的页面单跳转化率。
需要注意的一点是，页面的访问时有先后的，要做好排序。
思路分析
- 读取到规定的页面
- 过滤出来规定页面的日志记录, 并统计出来每个页面的访问次数 countByKey 是行动算子 reduceByKey 是转换算子
- 明确哪些页面需要计算跳转次数 1-2, 2-3, 3-4 …
- 按照 session 统计所有页面的跳转次数, 并且需要按照时间升序来排序
- 按照 session 分组, 然后并对每组内的 UserVisitAction 进行排序
- 转换访问流水
- 过滤出来和统计目标一致的跳转
- 统计跳转次数
- 计算跳转率
二.具体实现
具体业务实现
代码语言：javascript复制import java.text.DecimalFormat
import bean.UserVisitAction
import org.apache.spark.SparkContext
import org.apache.spark.rdd.RDD
object PageConversion {
def statPageConversionRate(sc:SparkContext,
UserVisitActionRDD: RDD[UserVisitAction],
pageString:String): Unit ={
//1.做出来目标跳转流
val pages = pageString.split(",")
val prePages = pages.take(pages.length-1)
val postPages = pages.takeRight(pages.length-1)
//结果为List(1->2, 2->3, 3->4, 4->5, 5->6, 6->7)
val targetPageFlows = prePages.zip(postPages).map {
case (pre, post) => s"$pre->$post"
}
//1.1把targetpages做广播变量，优化性能
val targetPageFlowBC = sc.broadcast(targetPageFlows)
//2.计算分母，计算需要页面的点击量 Map(5 -> 3563, 1 -> 3640, 6 -> 3593, 2 -> 3559, 3 -> 3672, 4 -> 3602)
val pageAndCount = UserVisitActionRDD.filter(action => {
prePages.contains(action.page_id.toString)
})
.map(action => (action.page_id, 1))
.countByKey()
//3.计算分子
//3.1 按照sessionId分组,不能先对需要的页面做过滤，否则会应用调整的逻辑
val sessionGrouped: RDD[(String, Iterable[UserVisitAction])] = UserVisitActionRDD.groupBy(_.session_id)
var pageFlowsRDD = sessionGrouped.flatMap {
case (sid, actionit) =>
//把每个session的行为做一个时间排序
val actions: List[UserVisitAction] = actionit.toList.sortBy(_.action_time)
val preActions = actions.take(actions.length - 1)
val postActions = actions.takeRight(actions.length - 1)
preActions.zip(postActions).map {
case (preAction, postAction) => s"${preAction.page_id}->${postAction.page_id}"
}.filter(flow => targetPageFlowBC.value.contains(flow)) //使用广播变量
}
//3.2聚合
val pageFlowAndCount: collection.Map[String, Long] = pageFlowsRDD.map((_, 1)).countByKey()
val f = new DecimalFormat(".00%")
//4.计算跳转率
val result: collection.Map[String, Any] = pageFlowAndCount.map {
//pageAndCount分母
//1->2 count/1的点击量
case (flow, count) =>
val rate = count.toDouble / pageAndCount(flow.split("->")(0).toLong)
(flow,f.format(rate).toString)
}
println(result)
}
/*
1,2,4,5,4,7 计算他们的跳转率
1.想办法做出来跳转流
1->2, 2->3 3->4
2.计算跳转率
1->2跳转率
分子
1->2跳转流的个数
如何计算？
1.保证是同一个session才能计算，其实就是按照session进行分组
2.按照时间排序
3.RDD["1->2","1->2"."2->3"] map() reduceByKey
RDD[UserVisitAction] map
RDD[1,2,3,4,5,6,7]
如果做跳转流
rdd1= RDD[1,2,3,4,5,6]
rdd2= RDD[2,3,4,5,6,7]
rdd3 = rdd1.zip(zip).map(...)
过滤出来目标跳转流，然后再聚合
分母
页面：1.的点击数
*/
完整项目代码
代码语言：javascript复制import bean.UserVisitAction
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
object ProjectApp {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setMaster("local[*]").setAppName("project")
val sc = new SparkContext(conf)
//从数据把文件读出
val sourceRDD = sc.textFile("D:\idea\spark-knight1\input\user_visit_action.txt")
//把数据封装号(封装到样例类中)
val userVisitActionRDD: RDD[UserVisitAction] = sourceRDD.map(line => {
val fields = line.split("_")
UserVisitAction(
fields(0),
fields(1).toLong,
fields(2),
fields(3).toLong,
fields(4),
fields(5),
fields(6).toLong,
fields(7).toLong,
fields(8),
fields(9),
fields(10),
fields(11),
fields(12).toLong)
})
//需求3
PageConversion.statPageConversionRate(sc,userVisitActionRDD,"1,2,3,4,5,6,7")
//关闭项目(sc)
sc.stop()
}
}Scala中DecimalFomat的使用如下：
代码语言：javascript复制object Test1 {
def main(args: Array[String]): Unit = {
val pi = 3.1415927
//取一位整数
println(new DecimalFormat("0").format(pi)) //3
//取一位整数和两位小数
println(new DecimalFormat("0.00").format(pi)) //3.14
//取两位整数和三位小数，整数不足部分以0填补
println(new DecimalFormat("00.000").format(pi)) //03.142
//取所有整数部分
println(new DecimalFormat("#").format(pi)) //3
//以百分比方式计数，并取两位小数
println(new DecimalFormat("#.##%").format(pi)) //314.16%
//不取小数
println(new DecimalFormat("#%").format(pi)) //314%
val speed = 299792458
//显示为科学计数法，并取五位小数
println(new DecimalFormat("#.#####E0").format(speed)) //2.99792E8
//显示为两位整数的科学计数法，并取四位小数
println(new DecimalFormat("#.####E0").format(speed)) //2.9979E8
//每三位以逗号进行分隔
println(new DecimalFormat(",###").format(speed)) //299,792,458
//将格式嵌入文本
println(new DecimalFormat("速度#").format(speed)) //速度#
}
}
版权声明：
本文为《暴走大数据》整理，原作者独家授权。未经原作者允许转载追究侵权责任。
编辑｜冷眼丶
