用户行为分析的控制方法和用户行为分析的控制系统技术方案

本发明专利技术提供了一种用户行为分析的控制方法和用户行为分析的控制系统，其中，用户行为分析的控制方法包括：获取软件开发工具上报的用户行为数据；将用户行为数据存储至分布式内存文件系统，以确定为待分析数据；通过通用并行数据流实时处理待分析数据，以完成对用户行为数据的分析，其中，用户行为数据为半格式化数据。通过本发明专利技术技术方案，提升了产品开发人员对软件产品的分析效率，加速了软件产品的改进步骤，减小了服务器的数据交互次数，同时提升了服务器的可靠性与稳定性。

【技术实现步骤摘要】

本专利技术涉及移动终端
，具体而言，涉及一种用户行为分析的控制方法和一种用户行为分析的控制系统。
技术介绍
在相关技术中，随着移动互联网与云服务的发展，移动应用软件呈现井喷式增长，为了改善与优化移动应用产品，提高用户对移动应用软件的用户体验，开发人员需要统计移动终端用户的使用习惯，用户的行为分析，应用软件的性能与质量等相关数据。虽然目前市场上已经出现专门的移动应用软件的统计工具，但这些工具在用户定位和个性化定制方面都不够完善，并且统计过程中不能够保证用户信息的安全性。因此，如何设计一种新的用户行为分析的控制方案，以提高用户行为分析效率和安全性成为亟待解决的技术问题。
技术实现思路
本专利技术正是基于上述技术问题至少之一，提出了一种新的用户行为分析的控制方案，通过使用通用并行数据流实时处理软件开发工具上报的用户行为数据，以完成对用户行为数据的分析，实现了对用户行为的统计与分析，使产品开发人员对用户行为的了解更加全面与完整，提升了移动应用软件的开发质量与相关服务器的稳定性，提高了用户对产品的使用体验，从而可以提升产品的知名度，增加产品的用户数量。有鉴于此，本专利技术提出了一种用户行为分析的控制方法，包括：获取软件开发包上报的用户行为数据；将用户行为数据存储至分布式内存文件系统，以确定为待分析数据；通过通用并行数据流实时处理待分析数据，以完成对用户行为数据的分析，其中，用户行为数据为半格式化数据。在该技术方案中，通过使用通用并行数据流实时处理软件开发工具上报的用户行为数据，以完成对用户行为数据的分析，实现了对用户行为的统计与分析，使产品开发人员对用户行为的了解更加全面与完整，提升了移动应用软件的开发质量与相关服务器的稳定性，提高了用户对产品的使用体验，从而可以提升产品的知名度，增加产品的用户数量。具体地，通过消息中间件如kafka从软件开发包(Soft Development Kit，即sdk)获取用户行为数据，用户行为数据采用半格式化数据如json，鉴于json基于键值的灵活格式非常易于扩展，并且可基于json数据的事件类型确定对应的json组件。其中，通用并行数据流即Spark Streaming，具有高效地实时处理能力，消息中间件从软件开发包获取用户行为数据(如用户对软件功能的操作信息和数据交互信息等)，通过Spark Streaming运算于分布式内存文件系统(即Tachyon)，进一步地，根据用户行为数据分析处理得到统计结果，并借助报表展示系统对分析后的用户行为数据进行展示，同时，向用户提供数据调用接口以供用户访问。在上述技术方案中，优选地，通过通用并行数据流处理待分析数据，具体包括以下步骤：根据用户行为数据的时间属性对用户行为数据进行划分，以创建用户行为分析任务；将用户行为分析任务发送至对应的分析执行组件，以通过分析执行组件对用户行为数据进行分析，其中，分析任务构成的队列即为待分析数据。在该技术方案中，通过用户行为数据的时间属性对其进行划分，结合了流式处理、批处理和查询等应用，通过RDD(Resilient Distributed Datasets，弹性分布式数据集)和数据重用机制得到更高效的容错处理过程，从而提高数据分析的实时性。其中，Spark Streaming将用户行为数据转换为Spark graph，并生成RDD graph，继而创建Spark action，根据Spark action生成的Spark job发送至Job manager，并通过Spark schedule调度Job队列中的任务至对应的Spark executor上执行。在上述任一项技术方案中，优选地，还包括：根据完成分析的用户行为数据生成关系型查询语句和/或非关系型查询语句。在该技术方案中，通过根据完成分析的用户行为数据生成关系型查询
语句和/或非关系型查询语句，其中，关系型查询语句有助于提高分析数据的关联性，而非关系型数据有助于减小数据交互压力，进而提高数据访问量。在上述技术方案中，优选地，还包括：将分析完成的用户行为数据通过开源工具创建完成分析的用户行为数据的可视化界面，并提示给用户。在该技术方案中，通过开源工具创建可视化界面，提升了用户分析的实时性和用户体验，其中，开源工具的一种实施方式为百度echarts工具。在上述技术方案中，优选地，还包括：将完成分析的用户行为数据发送至调用接口，以供用户通过调用接口对完成分析的用户行为数据进行访问。在该技术方案中，通过将完成分析的用户行为数据发送至调用接口，提升了用户调用分析数据的便捷性和可扩展性。根据本专利技术第二方面，还提出了一种用户行为分析的控制系统，包括：获取单元，获取软件开发包上报的用户行为数据；存储单元，用于将用户行为数据存储至分布式内存文件系统，以确定为待分析数据；分析单元，使用通用并行数据流实时处理待分析数据，以完成对用户行为数据的分析，其中，用户行为数据为半格式化数据。在该技术方案中，通过使用通用并行数据流实时处理软件开发包上报的用户行为数据，以完成对用户行为数据的分析，实现了对用户行为的统计与分析，使产品开发人员对用户行为的了解更加全面与完整，提升了移动应用软件的开发质量与相关服务器的稳定性，提高了用户对产品的使用体验，从而可以提升产品的知名度，增加产品的用户数量。具体地，通过消息中间件如kafka从软件开发包(Soft Development Kit，即sdk)获取用户行为数据，用户行为数据采用半格式化数据如json，鉴于json基于键值的灵活格式非常易于扩展，并且可基于json数据的事件类型确定对应的json组件。其中，通用并行数据流即Spark Streaming，具有高效地实时处理能力，消息中间件从软件开发包抓取用户行为数据(如用户对软件功能的操作信息和数据交互信息等)，通过Spark Streaming运算于分布式内存文件系统(即Tachyon)，进一步地，根据用户行为数据分析得到统计数据，
并借助报表展示系统对分析后的用户行为数据进行展示，同时，向用户提供数据调用接口以供用户访问。在上述技术方案中，优选地，分析单元包括：创建单元，用于根据用户行为数据的时间属性对用户行为数据进行划分，以创建用户行为分析任务；发送单元，用于将用户行为分析任务发送至对应的分析执行组件，以通过分析执行组件对用户行为数据进行分析，其中，分析任务构成的队列即为待分析数据。在该技术方案中，通过用户行为数据的时间属性对其进行划分，结合了流式处理、批处理和查询等应用，通过RDD(Resilient Distributed Datasets，弹性分布式数据集)和数据重用机制得到更高效的容错处理过程，从而提高数据分析的实时性。其中，Spark Streaming将用户行为数据转换为Spark graph，并生成RDD graph，继而创建Spark action，根据Spark action生成的Spark job发送至Job manager，并通过Spark schedule调度Job队列中的任务至对应的Spark executor上执行。在上述任一项技术方案中，优选地，还包括：生成单元，用于根据完成分析的用户行为数据生成关系型查询语句和/或非关系本文档来自技高网...

【技术保护点】
一种用户行为分析的控制方法，其特征在于，包括：获取软件开发包上报的用户行为数据；将所述用户行为数据存储至分布式内存文件系统，以确定为待分析数据；通过通用并行数据流实时处理所述待分析数据，以完成对所述用户行为数据的分析，其中，所述用户行为数据为半格式化数据。

【技术特征摘要】
1.一种用户行为分析的控制方法，其特征在于，包括：获取软件开发包上报的用户行为数据；将所述用户行为数据存储至分布式内存文件系统，以确定为待分析数据；通过通用并行数据流实时处理所述待分析数据，以完成对所述用户行为数据的分析，其中，所述用户行为数据为半格式化数据。2.根据权利要求1所述的用户行为分析的控制方法，其特征在于，通过通用并行数据流处理所述待分析数据，具体包括以下步骤：根据所述用户行为数据的时间属性对所述用户行为数据进行划分，以创建用户行为分析任务；将所述用户行为分析任务发送至对应的分析执行组件，以通过所述分析执行组件对所述用户行为数据进行分析，其中，所述分析任务构成的队列即为所述待分析数据。3.根据权利要求1或2所述的用户行为分析的控制方法，其特征在于，还包括：根据完成分析的用户行为数据生成关系型查询语句和/或非关系型查询语句。4.根据权利要求3所述的用户行为分析的控制方法，其特征在于，还包括：将分析完成的用户行为数据通过开源工具创建可视化界面，并展示给用户。5.根据权利要求3所述的用户行为分析的控制方法，其特征还包括：将完成分析的用户行为数据发送至调用接口，以供用户通过所述调用接口对所述完成分析的用户行为数据进行访问。6.一种用户行为分析的控制系统，其...

【专利技术属性】
技术研发人员：黄德权，
申请(专利权)人：畅捷通信息技术股份有限公司，
类型：发明
国别省市：北京;11