拓展

1. 统计关于用户的系统版本、浏览器版本、用户浏览的步长、广告统计。
2. 日志文件十分巨大，采用何种压缩方式节省空间，以及压缩带来的CUP消耗。
3. 日志文件一般为一行一行的读取，要加载一行所有的信息，可以考虑列式存储数据库，比如Syabs IQ;
4. ETL操作(将原始文件信息加工)之后可能文件比原始文件还大，一般ETL文件的存储文件放的时间比较长，可放在冷集群上。