移动互联网中海量用户数据的分析与研究

《移动互联网中海量用户数据的分析与研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、移动互联网中海量用户数据的分析与研究摘要：互联网是当今社会不可取代的一种工具，她的出现改变了人们原有的生活方式，随着科技的不断进步，互联网也在进行不断的转变。移动终端井喷式的爆发，预示着移动互联网络的兴盛。随时随地获取通信联络、获取信息，利用碎片化的时间学习和生活，人们逐渐形成了移动生活行为。而这一切都是因为移动互联网。面对庞大的用户群，作为移动互联网是否具备了良好的分析能力呢？本文就将从移动互联网的数据概念说起，分析海量用户的数据应用。中国2/vie　　关键词：海量用户；数据分析；移动互联网；智能移动端　　智能移动终

2、端的快速发展，为人们的工作生活带来了新的时代，互联网也由传统的PC端向移动端进行转变。智能移动端拥有便捷性、即时性、定向性以及精准性的特点，符合当前人们的快速的生活方式，因此拥有了一大批的追随者，移动互联网络也由此快速发展。相比PC端互联网，移动互联网络更能深入到人们生活、休闲、娱乐等各方各面。而支撑移动互联网功能性的是海量用户的数据分析，下面就介绍有关移动互联网大数据的情况。　　1、移动互联网的大数据时代　　在互联网的模式下，数据分析作为一个强大的工具，成为近些年来“兵家争先获取的香饽饽”，更是有“得数据者的天下”的

3、说法。在大数据的时代中，移动互联网拥有着强大的用户群体，其面对着诸多不同类型的数据，如何对这些数据进行有序的整理和分析，是移动互联网络最有价值的部分。目前，根据种类对海量用户数据基本得出三大类：　　一是用户数据：即使用移动互联网络的用户信息、行为习惯、支付习惯等。具体信息包含个人信息：用户的姓名、年龄、性别、职业等；行为习惯：在移动终端上的浏览记录、兴趣爱好等；行为轨迹：上网的时间，常用地点等；消费记录：资金支付明细、支付习惯等。　　二是产品数据：在移动互联网络中出现的产品，拥有自己的数据分类，其中包含产品的属性、名称

4、、图片、功能介绍、品牌、来源渠道等信息。　　三是运营数据：使用移动互联网的过程中，网管的能力以及网络的运营数据等。　　通过了解数据的种类可以看出，移动互联网的大数据可以帮助用户进行行为习惯的选择，根据日常喜好进行产品、娱乐、生活等推荐。其提供了完整的行为轨迹，同时也帮助运营商很好的了解用户的习惯，以此来推出更加适应消费者的商业模式。大数据时代下的“精准营销”正是利用这一点，通过大数据获取对象的喜好，行为偏好，对不同对象进行不同营销。从此可以看出数据分析的能力非常重要。可以说大数据时代下，促进了整个电信产业的发展。但如何

5、高效的利用海量用户数据，是当前移动互联网络运营商所需要思考的问题。　　2移�踊チ�网大数据中具备的关键性技术　　移动互联网络面对海量的用户数据，是由一整套的技术串联在一起的。他们之间相互合作，确保数据分析结果准确无误。其具备了诸多的关键性技术，像是异构数据管理、挖掘实时数据、分析高效数据等。大数据时代，说的简单一点就是有效的管理、分析和利用收集到的用户数据。通过数据探测收集用户在使用移动互联网过程中的数据信息，然后分析数据的类别做出实时处理和批量处理的判断，再根据所需进行数据的有效利用。这就是数据分析的大致流程。其中在

6、进行数据处理判断时，涉及处理时间的问题，一般根据需求和处理的时间划分为三种处理方式，分别是在线式、近线式以及离线式。本文中讨论在线处理时间的方式――流处理方式。　　一般流处理方式的处理数据时间在毫秒之间，速度非常快，这就体现了移动互联网的真谛――实时计算。互联网上海量数据（一般为日志流）的实时计算过程被划分为三个阶段：分别是数据的产生与收集阶段、传输与分析处理阶段、存储对对外提供服务阶段。三个阶段都讲求实时性。流处理系统就是实时计算最好的体现形式。目前，国内常见的流处理系统是采用Flume、Kafka以及Storm系统

7、框架，三者都可以提供对数据进行实时分析处理的功能。在对数据进行处理后，将会提供数据服务，这一步骤是向数据访问层提供的，在处理后将统一存入DBMS数据库系统。以淘宝的实例进行分析，Storm被淘宝用来进行实时日志处理，出现在实时统计、实时风控、实时推荐等场景中。每天淘宝的实时消息量从几百万到几十亿不等，数据总量达到TB级（TB级数据库是指存储数据量为1TB以上的数据库，相当于万亿字节），所以对于淘宝来讲，Storm往往会配合分布式存储服务一起使用，以此来确保数据的分析，一般来讲构建合理的架构后，可以确保从用户行为发生到完

8、成分析延迟在秒级。　　3移动互联网海量用户的数据分析及要点　　每天从智能移动终端上会海量的数据，其具有广泛分布、多元异构、动态持续增长的特点。面对这一情况，移动互联网一定要拥有强大的数据采集、处理和分析能力。但现实的情况并没有理想中的乐观，常常会出现数据收集有误或不全的情况。为了解决这一问题，结合移动互联网的特点，得出以下五个改进