《基于Hadoop電商大數(shù)據(jù)分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)》7700字（論文）

[1][7]，查詢(xún)完成之后將數(shù)據(jù)存放于SpringMVC的model作用域內(nèi)，之后在頁(yè)面端借助JSTL表達(dá)式和EL表達(dá)式進(jìn)行數(shù)據(jù)的獲取，并通過(guò)Layui進(jìn)行頁(yè)面的渲染和顯示。5.3.2購(gòu)買(mǎi)數(shù)量最多的商品購(gòu)買(mǎi)數(shù)量最多的商品可視化步驟：（1）在Eclipse中啟動(dòng)程序；（2）在網(wǎng)頁(yè)中輸入網(wǎng)址進(jìn)入主界面；（3）點(diǎn)擊購(gòu)買(mǎi)數(shù)量最多的商品模塊，查看購(gòu)買(mǎi)數(shù)量最多的商品分布，如圖5-12所示。圖5-12購(gòu)買(mǎi)數(shù)量最多的商品界面由圖5-12可知，在購(gòu)買(mǎi)數(shù)量最多的商品中編號(hào)為“4157431”的商品購(gòu)買(mǎi)數(shù)量最多，其他top20都以柱狀圖展現(xiàn)出來(lái)，整體差距不大。5.3.3加入購(gòu)物車(chē)次數(shù)最多的商品加入購(gòu)物車(chē)次數(shù)最多的商品可視化步驟：（1）在Eclipse中啟動(dòng)程序；（2）在網(wǎng)頁(yè)中輸入網(wǎng)址進(jìn)入主界面；（3）點(diǎn)擊加入購(gòu)物車(chē)次數(shù)最多的商品模塊，查看加入購(gòu)物車(chē)次數(shù)最多的商品分布，如圖5-13所示。圖5-13加入購(gòu)物車(chē)次數(shù)最多的商品界面如圖5-13所示，在加入購(gòu)物車(chē)次數(shù)最多的商品中編號(hào)為“2331370”的商品加入購(gòu)物車(chē)次數(shù)最多，其他top20都以柱狀圖展現(xiàn)出來(lái)，整體差距不大。實(shí)現(xiàn)方面，首先用戶(hù)端通過(guò)請(qǐng)求后端接口進(jìn)行數(shù)據(jù)的獲取，該接口的借助于SpringMVC進(jìn)行對(duì)外暴露的，從網(wǎng)頁(yè)獲得key從數(shù)據(jù)庫(kù)中查詢(xún)符合條件的數(shù)據(jù)，然后把這些國(guó)際疫情信息放到list中。后臺(tái)程序?qū)唐沸畔⒌膌ist結(jié)合返回給前端頁(yè)面，最終這些信息將呈現(xiàn)給用戶(hù)。5.3.4瀏覽次數(shù)最多的商品瀏覽次數(shù)最多的商品可視化步驟：（1）在Eclipse中啟動(dòng)程序；（2）在網(wǎng)頁(yè)中輸入網(wǎng)址進(jìn)入主界面；（3）點(diǎn)擊瀏覽次數(shù)最多的商品模塊，查看瀏覽次數(shù)最多的商品分布，如圖5-14所示。圖5-14瀏覽次數(shù)最多的商品界面由圖5-14可知，在瀏覽次數(shù)最多的商品中編號(hào)為“812879”的商品，其他top20都以柱狀圖展現(xiàn)出來(lái)，商品“812879”擁有絕對(duì)優(yōu)勢(shì)。5.3.5收藏次數(shù)最多的商品收藏次數(shù)最多的商品可視化步驟：（1）在Eclipse中啟動(dòng)程序；（2）在網(wǎng)頁(yè)中輸入網(wǎng)址進(jìn)入主界面；（3）點(diǎn)擊收藏次數(shù)最多的商品模塊，查看收藏次數(shù)最多的商品分布，如圖5-15所示。圖5-15收藏次數(shù)最多的商品界面由圖5-15可知，在收藏次數(shù)最多的商品中編號(hào)為“2279428”的商品，其他top20都以柱狀圖展現(xiàn)出來(lái)，商品“2279428”擁有絕對(duì)優(yōu)勢(shì)。5.3.6一段時(shí)間內(nèi)的用戶(hù)流量一段時(shí)間內(nèi)的用戶(hù)流量可視化步驟：（1）在Eclipse中啟動(dòng)程序；（2）在網(wǎng)頁(yè)中輸入網(wǎng)址進(jìn)入主界面；（3）點(diǎn)擊一段時(shí)間內(nèi)的用戶(hù)流量模塊，查看一段時(shí)間內(nèi)的用戶(hù)流量分布，如圖5-16所示。圖5-16一段時(shí)間內(nèi)的用戶(hù)流量界面由圖5-16可知，一段時(shí)間內(nèi)的用戶(hù)流量分布上面，主要集中在11月27號(hào)到12月2號(hào)，其他時(shí)間段流量較少。5.3.7一天時(shí)間內(nèi)的用戶(hù)行為一天時(shí)間內(nèi)的用戶(hù)行為可視化步驟：（1）在Eclipse中啟動(dòng)程序；（2）在網(wǎng)頁(yè)中輸入網(wǎng)址進(jìn)入主界面；（3）點(diǎn)擊一天時(shí)間內(nèi)的用戶(hù)行為模塊，查看一天時(shí)間內(nèi)的用戶(hù)行為分布，如圖5-17所示。圖5-17一天時(shí)間內(nèi)的用戶(hù)行為界面由圖5-17可知，一天時(shí)間內(nèi)的用戶(hù)行為上面，最高點(diǎn)為5點(diǎn)到6點(diǎn)的時(shí)候，在中午的時(shí)候迎來(lái)低估，下午到晚上的用戶(hù)行為逐漸增加。5.3.8用戶(hù)總行為漏斗模型用戶(hù)總行為漏斗模型可視化步驟：（1）在Eclipse中啟動(dòng)程序；（2）在網(wǎng)頁(yè)中輸入網(wǎng)址進(jìn)入主界面；（3）點(diǎn)擊用戶(hù)總行為漏斗模型模塊，查看用戶(hù)總行為漏斗模型，如圖5-18所示。圖5-18用戶(hù)總行為漏斗模型界面

6總結(jié)本文基于Hadoop實(shí)現(xiàn)的電商網(wǎng)站用戶(hù)行為分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)，本此設(shè)計(jì)完成的主要工作有：（1）通過(guò)對(duì)國(guó)內(nèi)外研究現(xiàn)狀的了解，再加上對(duì)相關(guān)技術(shù)的進(jìn)一步學(xué)習(xí)，確立的系統(tǒng)的主要需求，完成了系統(tǒng)的流程設(shè)計(jì)；（2）使用Java語(yǔ)言和Spring框架實(shí)現(xiàn)了前臺(tái)的電商網(wǎng)站頁(yè)面，能夠完成基本的電商網(wǎng)站瀏覽和購(gòu)物操作，并產(chǎn)生相應(yīng)的用戶(hù)行為數(shù)據(jù)；（3）利用Hadoop實(shí)現(xiàn)了對(duì)用戶(hù)行為的分析，包括獨(dú)立訪(fǎng)客漏斗模型、購(gòu)買(mǎi)數(shù)量最多的商品、加購(gòu)物車(chē)次數(shù)最多的商品、瀏覽次數(shù)最多的商品、收藏次數(shù)最多的商品、一段時(shí)間內(nèi)的用戶(hù)流量、一天時(shí)間內(nèi)的用戶(hù)行為以及用戶(hù)行為漏斗模型八個(gè)部分的功能?；贖adoop實(shí)現(xiàn)的電商大數(shù)據(jù)分析系統(tǒng)可以使電商網(wǎng)站管理者第一時(shí)間得到網(wǎng)站的推廣情況，幫助企業(yè)優(yōu)化網(wǎng)絡(luò)營(yíng)銷(xiāo)策略，減少營(yíng)銷(xiāo)盲目性。開(kāi)發(fā)過(guò)程中主要應(yīng)用Hadoop平臺(tái)、JAVA語(yǔ)言、MySQL數(shù)據(jù)庫(kù)、JSP前端開(kāi)發(fā)技術(shù)等。本文針對(duì)電商網(wǎng)站用戶(hù)行為分析問(wèn)題，結(jié)合了前人的工作與自己的創(chuàng)新，取得了一些研究成果，但是受限于本人的能力，本文的研究工作仍有一些不足之處，需要繼續(xù)完善，例如數(shù)據(jù)集有限、數(shù)據(jù)挖掘算法有待提高等等。

參考文獻(xiàn)謝路倫.基于Spark的電商用戶(hù)行為分析與研究[D].銀川:北方民族大學(xué),2019.張麗.電商平臺(tái)的用戶(hù)消費(fèi)行為分析預(yù)測(cè)模型[D].重慶:重慶大學(xué),2018.BruceL.Bachelder,DennisJ.Delprato.TheSimpleMemorySpanExperiment:ABehavioralAnalysis[J].ThePsychologicalRecord,2017,67(3):QingHaohua,ZhangJiali,FuDie.DataofE-CommerceUsersBasedonDataMiningTechnology[J].JournalofPhysics:ConferenceSeries,2021,1852(2):吳榮燦,羅嘉龍,鄭伙群,陳正銘.基于大數(shù)據(jù)技術(shù)的用戶(hù)行為分析平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[J].電腦知識(shí)與技術(shù),2021,17(12):40-42.TheApplicationofUserBehaviorAnalysisbyImprovedK-meansAlgorithmBasedonHadoop[J].RevistadelaFacultaddeIngeniería,2016,131(12):廖舒航.基于Spark的校園網(wǎng)用戶(hù)行為分析與研究[D].南寧:廣西大學(xué),2021.張煜福.基于Spark的查詢(xún)?nèi)罩居脩?hù)行為系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].濟(jì)寧:曲阜師范大學(xué),2020.肖順.基于Spark的用戶(hù)行為分析系統(tǒng)研究及實(shí)現(xiàn)[D].荊州:長(zhǎng)江大學(xué),2019.孫天慧,丁曉東,劉崢.基于行為分析的社區(qū)化電商用戶(hù)忠誠(chéng)度提升機(jī)制