根据给定文件的信息，我们可以提炼出以下关键知识点：
### 一、聚合分析系统概述
#### 1.1 产品背景及目标
- **背景**：针对独立网站的B2C电商企业开发的数据统计分析系统。
- **目标**：通过收集并分析用户体验、点击流、电商绩效等关键指标，为企业提供商业分析报告，帮助企业优化线上业务表现。
#### 1.2 产品特色
- **可视化**：提供图形化的数据展示方式，方便用户理解数据。
- **准确性**：采用多渠道归因算法来精确追踪订单来源。
- **便利性**：内置统计代码，简化安装过程。
- **垂直性**：专为电商领域定制的数据分析模型。
- **实时性**：支持分钟级别的数据更新频率，确保数据的实时性。
#### 1.3 服务对象
- **初期**：主要面向使用商派（ShopEx）易开店和ECstore系统的中小电商企业。
- **后续**：自2012年4月起，开始为独立电商B2C网站提供服务。
### 二、实时数据业务需求
#### 2.1 实时数据的重要性
- **实时运营**：捕捉用户的即时购买意愿，以便快速响应市场变化。
- **实时反馈**：及时监控和调整站内运营活动的效果。
- **实时监控**：监测流量异常情况，并迅速采取措施。
#### 2.2 实时数据的特点
- **资源占用**：处理大量数据时对计算资源的需求较高。
- **计算复杂度**：需要高效的数据处理算法。
- **容错空间**：数据处理过程中对错误的容忍度较低。
#### 2.3 实时业务指标
- **数据联播**：访问数、浏览量、订单数、订单金额、订单转化率。
- **店铺摄像头**：用户在线趋势、店内页面访问详情。
### 三、大数据特征
#### 3.1 数据规模
- **网站数量**：超过2万个独立网店。
- **单日峰值PV**：达到5亿次页面访问。
- **单日峰值日志量**：约200GB的日志数据。
- **实时数据增长**：单日新增实时数据量可达30GB以上。
- **写操作频繁**：尤其是计数器类型的写操作。
### 四、技术框架选型
#### 4.1 候选技术框架
- **Memcached**
- **Redis**
- **MongoDB**
- **HBase**
- **Cassandra**
#### 4.2 选择Cassandra的原因
- **分布式设计**：具备无中心的分布式架构。
- **弹性可扩展**：能够轻松地水平扩展。
- **高可用性与容错能力**：即使部分节点失效也能保持系统稳定运行。
- **可调节的一致性**：支持最终一致性的数据模型。
- **面向行存储**：适合写密集型应用，如日志记录。
### 五、Cassandra技术细节
#### 5.1 CAP理论
- **一致性（Consistency）**：所有节点在同一时间看到相同的数据。
- **可用性（Availability）**：每个请求无论成功与否都会得到响应。
- **分区容忍性（Partition Tolerance）**：系统能够在网络分区的情况下继续运行。
- **Cassandra的CAP定位**：选择了可用性和分区容忍性，牺牲了一定程度的一致性。
#### 5.2 数据模型
- **集群（Cluster）**：物理上的分布式的机器集合。
- **键空间（Keyspace）**：逻辑上将数据组织成多个容器，类似于传统数据库。
- **列族（Column Family）**：存储同一类数据的集合。
- **列（Column）**：基本的数据存储单元，由名称、值和时戳组成。
- **超列（Super Column）**：一种特殊类型的列，用于组织相关的列数据。
#### 5.3 架构设计
- **P2P架构**：所有节点平等参与数据处理。
- **流言协议（Gossip）**：用于检测节点状态。
- **逆熵（Anti-Entropy）**：保证数据的一致性，通过邻居间的数据交换进行副本同步。
- **数据写入流程**：数据首先写入内存表（Memtable），然后同步到持久化存储（SSTable），并记录在提交日志（Commit Log）中，以备数据恢复使用。
以上是根据给定文件信息所整理的关键知识点，涵盖了聚合分析系统的背景、业务需求、技术选型以及Cassandra的核心技术和特点等方面的内容。
