美团点评用户行为分析系统的构建与优化

孙业锐，美团点评高级技术专家，Apache Kylin PMC。

2012年毕业于电子科技大学，曾在奇虎360工作，负责Hadoop平台建设，2015年加入美团。现任美团点评数据平台查询引擎方向负责人，主要负责数据生产和查询引擎的改进优化和落地应用，专注于分布式计算，OLAP分析，Adhoc查询等领域，对分布式存储系统亦有丰富经验。

工作年限：5年

演讲题目：美团点评用户行为分析系统的构建与优化

演讲摘要：用户行为分析是数据分析中非常重要的一项内容，在统计活跃用户，分析留存和转化率，改进产品体验，推动用户增长等领域有重要作用，常见的方法包括漏斗分析，路径分析，分群分析等。美团点评每天收集的用户行为日志达到数百亿条，如何在海量数据集上实现对用户行为的快速灵活分析，成为一个巨大的挑战。为此，我们提出并实现了一套面向海量数据的用户行为分析解决方案，将单次分析的耗时从小时级降低到秒级，极大的改善了分析体验，提升了分析人员的工作效率。

本次演讲以用户行为分析场景中最常见的“有序漏斗”需求为例，深入描述了解决方案的核心思路和工程架构，重点呈现构建分布式系统的选型权衡，以及分布式系统的优化方法。

演讲提纲：

◦用户行为分析的需求和挑战
◦解决方案的构建与优化
•核心思路
•架构选型
•性能优化
◦总结与未来计划

听众受益点：

◦了解如何构建一个用于海量数据的用户行为分析系统；
◦了解从算法到工程的落地过程和选型权衡；
◦了解分布式系统的常用优化方法；