案例：各区域热门商品统计（主要技术SparkSQL）

项目开发整体流程

1. 需求分析
2. 方案设计（技术选型）
3. 数据设计
4. 编码实现（功能）
5. 测试（小数据量 -> 大数据量 -> 测试机）
6. 生产（试运行）

商品行为

• 点击行为
• 下单行为
• 支付行为

各区域热门商品统计

• 需求： 商品、热门（点击行为）Top10，区域
• 分析的数据
  • 用户访问行为数据 user_visit_action
  • 进行筛选过滤 date
  • 区域：city_id
  • 点击商品 click_product_id
  • 依据不同维度进行分组、统计、排序、TopKey

维度信息表

• 城市信息表 city_info -> MySQL关系型数据库
  • city_id
  • city_name
  • area
  • ......

商品信息表 product_info -> Hive 表中

• product_id
• product_name
• extend_info
  • JSON 格式数据
  • product_status（0,自营商品;1,第三方商品)

使用Hive/SparkSQL/SQL on HADOOP

• 企业开发，统计

• -b,分组

  可能会涉及到与基础信息表进行JOIN

  按照不同的类别（依据某个字段）进行分类（分组）

• -c,统计

  Count，是否去重

  类似WordCount

• -d,排序

  通常情况下，依据统计字段统计值，降序，涉及到一些维度

• -e,TopKey

  取前多少位

  ROW_NUMBER

SparkSQL性能优化，技巧点

sqlContext.read.jdbc() // 多个重载方法，暗示不同场景选择不同方式，达到性能

dataFrame.write.