用户画像|标签数据存储之MySQL真实应用

本文已收录github：https://github.com/BigDataScholar/TheKingOfBigData，里面有大数据高频考点，Java一线大厂面试题资源，上百本免费电子书籍，作者亲绘大数据生态圈思维导图…持续更新，欢迎star！

前言

        上一篇文章已经为大家介绍了 Hive 在用户画像的标签数据存储中的具体应用场景，本篇我们来谈谈MySQL的使用！

原著作者：赵宏田
来源：《用户画像方法论与工程化解决方案》

        MySQL作为关系型数据库，在用户画像中可用于元数据管理、监控预警数据、结果集存储等应用中。下面详细介绍这3个应用场景。

元数据管理

        Hive适合于大数据量的批处理作业，对于量级较小的数据，MySQL具有更快的读写速度。Web端产品读写MySQL数据库会有更快的速度，方便标签的定义、管理。

        在介绍用户画像产品化的时候，我们会介绍元数据录入和查询功能，将相应的数据存储在MySQL中。用户标签的元数据表结构设计也会在之后进行详细的介绍。这里给出了平台标签视图和元数据管理页面。

        平台标签视图中的标签元数据可以维护在MySQL关系数据库中，便于标签的编辑、查询和管理。

监控预警数据

        MySQL还可用于存储每天对ETL结果的监控信息。从整个画像调度流的关键节点来看，需要监控的环节主要包括对每天标签的产出量、服务层数据同步情况的监控等主要场景。下图展示的是用户画像调度流主要模块。

1.标签计算数据监控

        主要用于监控每天标签ETL的数据量是否出现异常，如果有异常情况则发出告警邮件，同时暂停后面的ETL任务。

2. 服务层同步数据监控

        服务层一般采用HBase、Elasticsearch等作为数据库存储标签数据供线上调用，将标签相关数据从Hive数仓向服务层同步的过程中，有出现差错的可能，因此需要记录相关数据在Hive中的数量及同步到对应服务层后的数量，如果数量不一致则触发告警。

        在对画像的数据监控中，调度流每跑完相应的模块，就将该模块的监控数据插入MySQL中，当校验任务判断达到触发告警阈值时，发送告警邮件，同时中断后续的调度任务。待开发人员解决问题后，可重启后续调度。

3. 结果集存储

        结果集可以用来存储多维透视分析用的标签、圈人服务用的用户标签、当日记录各标签数量，用于校验标签数据是否出现异常。

        有的线上业务系统使用MySQL、Oracle等关系型数据库存储数据，如短信系统、消息推送系统等。在打通画像数据与线上业务系统时，需要考虑将存储在Hive中的用户标签相关数据同步到各业务系统，此时MySQL可用于存储结果集。

        Sqoop是一个用来将Hadoop和关系型数据库中的数据相互迁移的工具。它可以将一个关系型数据库（如MySQL、Oracle、PostgreSQL等）中的数据导入Hadoop的HDFS中，也可以将HDFS中的数据导入关系型数据库中

        下面通过一个案例来讲解如何使用Sqoop将Hive中的标签数据迁移到MySQL中。

        电商、保险、金融等公司的客服部门的日常工作内容之一是对目标用户群（如已流失用户、高价值用户等）进行主动外呼，以此召回用户来平台进行购买或复购。这里可以借助用户画像系统实现该功能。

        将Hive中存储的与用户身份相关的数据同步到客服系统中，首先在Hive中建立一张记录用户身份相关信息的表（例如dw.userprofile_userservice_all）。设置日期分区以满足按日期选取当前人群的需要。

CREATE TABLE `dw.userprofile_userservice_all `(
`user_id` string COMMENT &＃39;userid&＃39;,
`user_sex` string COMMENT &＃39;user_sex&＃39;,
`city` string COMMENT &＃39;city&＃39;,
`payid_money` string COMMENT &＃39;payid_money&＃39;,
`payid_num` string COMMENT &＃39;payid_num&＃39;,
`latest_product` string COMMENT &＃39;latest_product&＃39;,
`date` string COMMENT &＃39;date&＃39;,
`data_status` string COMMENT &＃39;data_status&＃39;)
COMMENT &＃39;userid 用户客服数据&＃39;
PARTITIONED BY ( `data_date` string COMMENT &＃39;数据日期&＃39;)


        在MySQL中建立一张用于接收同步数据的表（userservice_data）。

CREATE TABLE `userservice_data` (`user_id` varchar(128) DEFAULT NULL COMMENT &＃39;用户id&＃39;,`user_sex` varchar(128) NOT NULL COMMENT &＃39;用户性别&＃39;,`city` varchar(128) DEFAULT NULL COMMENT &＃39;城市&＃39;,`payid_money` varchar(128) DEFAULT NULL COMMENT &＃39;消费金额&＃39;,`payid_num` varchar(128) DEFAULT NULL COMMENT &＃39;消费次数&＃39;,`latest_product` varchar(128) DEFAULT NULL COMMENT &＃39;最近购买产品&＃39;,`date` varchar(64) NOT NULL COMMENT &＃39;传输日期&＃39;,`data_status` varchar(64) DEFAULT &＃39;0&＃39; COMMENT &＃39;0:未传输,1:传输中,2:成功,3:失败&＃39;,PRIMARY KEY (`user_id`),
) ENGINE=InnoDB AUTO_INCREMENT=2261628 DEFAULT CHARSET=utf8 COMMENT=&＃39;用户客服数据表&＃39;;


        通过Python脚本调用shell命令，将Hive中的数据同步到MySQL中。执行如下脚本：

# -*- coding: utf-8 -*-
import os
import MySQLdb
import sys
def export_data(hive_tab, data_date):sqoop_command = "sqoop export --connect jdbc:mysql://10.xxx.xxx.xxx:3306/mysql_database --username username --password password --table mysql_table --export-dir hdfs://nameservice1/user/hive/warehouse
/dw.db/" + hive_tab + "/data_date=" + data_date + " --input-fields-terminated-by &＃39;\001&＃39;"os.system(sqoop_command)print(sqoop_command)if __name__ == &＃39;__main__&＃39;:export_data("dw.userprofile_userservice_all", &＃39;20181201&＃39;)


        其中用到了 sqoop 从 Hive 导出数据到 MySQL 的命令：

sqoop export
--connect 指定JDBC连接字符串,包括IP 端口 数据库名称 \
--username JDBC连接的用户名\
--passowrd JDBC连接的密码\
--table 表名\
--export-dir 导出的Hive表, 对应的是HDFS地址 \
--input fileds-terminated-by ‘,’ 分隔符号


        不熟悉Sqoop使用的小伙伴可以去看我的这篇文章《硬核 | Sqoop入门指南》

        同步后 MySQL中的数据如图所示

小结

        本篇文章主要介绍了在用户画像的业务场景下，MySQL存储相关数据的真实应用场景！后续会陆续为大家介绍 HBase和Elasticsearch，敬请期待！