【课程大纲】
01.Storm项目实战课程大纲
02.CDH5搭建之CM5安装部署
03.CDH5搭建和CM界面化集群管理
04.Hadoop、HBase、Zookeeper集群管理和角色分配
05.Kafka基础知识和集群搭建
06.Kafka基本操作和最优设置
07.Kafka Java API 简单开发测试
08.storm-kafka 详解和实战案例
09.S图表框架HighCharts介绍
10.HBase快速入门
11.基于HBase的Dao基类和实现类开发一
12.基于HBase的Dao基类和实现类开发二
13.项目1-地区销售额-需求分析和架构设计
14.项目1-地区销售额-Spout融合Kafka Consumer及线程安全测试
15.项目1-地区销售额-Bolt业务逻辑处理一
16.项目1-地区销售额-优化Bolt支持重启及结果数据核查
17.项目1-地区销售额-HighCharts图表开发一及Web端架构设计
18.项目1-地区销售额-HTTP长链接实现实时推送
19.项目1-地区销售额-HighCharts图表开发二及jquery运用
20.项目1-地区销售额-Web端完善和细节优化
21.项目1-地区销售额-项目发布及总结
22.项目1-地区销售额-项目需求分析和分区Trident Spout开发
23.项目1-地区销售额-Trident代码开发一
24.项目1-地区销售额-Trident代码开发二
25.项目1-地区销售额-基于HBase存储的State运用
26.项目2-省份销售排行-双纵轴HighCharts图表开发一
27.项目2-省份销售排行-双纵轴HighCharts图表开发二
28.项目2-省份销售排行-双纵轴HighCharts图表开发三
29.项目2-省份销售排行-前台和图表交互开发和Top N实现
30.项目2-省份销售排行-Top N展示优化和项目开发思路总结
31.项目2-效果展示及项目3需求分析梳理
32.项目3-非跳出UV-Storm topology开发一
33.项目3-非跳出UV-Storm topology开发二
34.项目3-非跳出UV-Web端Servlet开发
35.项目3-非跳出UV-Web端Highcharts图表开发
36.项目3-非跳出UV-项目效果调试
37.项目3-非跳出UV-项目整体运行
38.项目3-非跳出UV-升级图表增加柱图一
39.项目3-非跳出UV-升级图表增加柱图二
40.JStorm介绍
41.会员问题收集和解答
【Storm流计算项目：1号店电商实时数据分析系统】
在电商行业中，实时数据分析系统对于监控用户行为、评估营销效果以及优化用户体验至关重要。本项目聚焦于使用Storm进行实时流计算，特别是针对非跳出用户访问量（UV）的分析，旨在提供更深入的用户洞察。
Storm是一个分布式实时计算系统，它可以持续地处理数据流，并且保证每个事件至少被处理一次。在1号店的电商实时数据分析系统中，Storm用于处理从Kafka中获取的大量用户行为数据。Kafka作为消息队列，负责收集并分发这些数据，确保高吞吐量和低延迟。
项目分为多个阶段，通过CDH5搭建了Hadoop、HBase和Zookeeper集群，这些是大数据处理的基础平台。Hadoop提供分布式存储，HBase为NoSQL数据库，用于存储大规模结构化数据，Zookeeper则负责集群的协调和管理。Kafka集群的搭建与配置，使得数据能高效地从源头流向Storm。
在项目1中，开发了地区销售额的实时分析，使用Storm-Kafka连接器读取Kafka中的数据，然后通过Spout组件进行数据摄入。Bolt组件处理业务逻辑，如聚合、过滤等操作，同时为了支持系统的高可用性，进行了Bolt的优化，使其支持重启并验证结果数据。HighCharts被用于图表开发，实现数据可视化，HTTP长链接技术用于实现实时数据推送至Web端，使得用户可以即时查看分析结果。
项目2转向省份销售排行的分析，采用双纵轴HighCharts图表，展示更丰富的数据对比，同时实现Top N的展示功能，便于观察最畅销的商品或地区。
到了项目3，重点在于非跳出UV的实时监控。非跳出UV是指访问网站后未离开的独立访客数量，它是衡量网站黏性和用户体验的重要指标。在这个阶段，开发了Storm的topology，用于处理和计算非跳出UV。Web端使用Servlet处理请求，并集成Highcharts来呈现图表，实现用户友好的数据展示。在项目3的升级阶段，增加了柱状图，以更直观地展示不同时间段的非跳出UV变化趋势，从而帮助决策者了解用户行为模式。
整个项目过程中，JStorm也被提及，它是阿里巴巴开源的分布式实时计算框架，与Storm类似但具有更高的性能和稳定性，适用于对实时性要求极高的场景。
这个项目涵盖了大数据生态中的多个关键技术，包括数据采集、存储、计算和展示，通过Storm实现了电商领域的实时数据分析，提供了洞察用户行为的工具，对于提升业务效率和优化用户体验具有重要意义。
