用户行为数据分析方法及装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种用户行为数据分析方法及装置。

背景技术

随着互联网技术的日益发展，通过对用户接入网络服务全过程当中(包括访问和浏览网页、进行交互式操作、使用APP等)的用户行为数据进行分析，可以做出用户行为画像，并基于用户行为画像为用户提供更好的服务。

现有的用户行为数据分析包括：将获取到的用户行为数据存储至Es(Elasticsearch，分布式搜索和分析引擎)之后，基于Es对用户行为数据进行分析。但是，基于Es仅能从单一维度对用户行为数据进行分析，获得的用户行为数据的分析结果的准确率较低。

发明内容

本发明提供一种用户行为数据分析方法及装置，用以解决现有技术中获得的用户行为数据的分析结果的准确率较低的缺陷，实现更准确的对用户行为数据进行分析。

本发明提供一种用户行为数据分析方法，包括：

实时获取目标用户的行为数据，并将获取到的所述行为数据分批次的写入目标数据表和目标索引表；

基于所述目标数据表和所述目标索引表分析所述目标用户目标时段内的行为数据，获取所述目标用户所述目标时段内的行为数据分析结果；

其中，所述目标数据表，用于基于各目标维度存储所述行为数据；所述目标索引表，用于为查询所述目标数据表提供索引。

根据本发明提供的一种用户行为数据分析方法，所述将获取到的所述行为数据分批次的写入目标数据表和目标索引表，具体包括：

对于每一批次的行为数据，确定所述批次的行为数据的数据类型和关联字段；

基于所述批次的行为数据的关联字段，将所述批次的行为数据写入目标数据表，并基于所述批次的行为数据的数据类型，将所述批次的行为数据写入目标索引表。

根据本发明提供的一种用户行为数据分析方法，所述目标数据表和目标索引表存放于Hbase中。

根据本发明提供的一种用户行为数据分析方法，所述将获取到的所述行为数据分批次的写入目标数据表和目标索引表，具体包括：

根据目标条件，分批次的存储获取到的所述行为数据；

分别读取已存储的每一所述批次的行为数据，并将各所述批次的行为数据写入所述目标数据表和所述目标索引表。

根据本发明提供的一种用户行为数据分析方法，所述根据目标条件，分批次的存储获取到的所述行为数据，具体包括：

若判断获知获取到的所述行为数据的数量不小于数量阈值，则将获取到的所述行为数据作为当前批次的所述行为数据进行存储。

根据本发明提供的一种用户行为数据分析方法，所述根据目标条件，分批次的存储获取到的所述行为数据，具体包括：

若判断获知获取到的所述行为数据的数量小于数量阈值，但获取所述行为数据的时长超过时长阈值，则将获取到的所述行为数据作为一个批次的所述行为数据进行存储。

根据本发明提供的一种用户行为数据分析方法，所述实时获取目标用户的行为数据，具体包括：

实时获取所述目标用户的原始行为数据；

对获取到的所述目标用户的原始行为数据进行实时数据预处理，实时获得所述目标用户的行为数据。

本发明还提供一种用户行为数据分析装置，包括：

数据处理模块，用于实时获取目标用户的行为数据，并将获取到的所述行为数据分批次的写入目标数据表和目标索引表；

数据分析模块，用于基于所述目标数据表和所述目标索引表分析所述目标用户目标时段内的行为数据，获取所述目标用户所述目标时段内的行为数据分析结果；

其中，所述目标数据表，用于基于各目标维度存储所述行为数据；所述目标索引表，用于为查询所述目标数据表提供索引。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述用户行为数据分析方法的步骤。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述用户行为数据分析方法的步骤。

本发明提供的用户行为数据分析方法及装置，通过将实时获取到的目标用户的行为数据分批次的写入目标数据表和目标索引表，并基于目标数据表和目标索引表分析目标用户目标时段内的行为数据，能从更多维度对用户行为数据进行分析，能更准确、更高效的获取目标用户目标时段内的行为数据的分析结果。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的用户行为数据分析方法的流程示意图之一；

图2是本发明提供的用户行为数据分析装置的结构示意图之一；

图3是本发明提供的用户行为数据分析装置的结构示意图之二；

图4是本发明提供的用户行为数据分析方法的流程示意图之二；

图5是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

图1是本发明提供的用户行为数据分析方法的流程示意图之一。下面结合图1描述本发明的用户行为数据分析方法。如图1所示，该方法包括：步骤101、实时获取目标用户的行为数据，并将获取到的行为数据分批次的写入目标数据表和目标索引表。

其中，目标数据表，用于基于各目标维度存储所述行为数据；目标索引表，用于为查询所述目标数据表提供索引。

具体地，目标用户为需要进行用户行为数据分析的用户。

可以通过多种方式实时获取目标用户的行为数据。例如：可以通过实时获取目标用户的原始行为数据，并可以对目标用户的原始行为数据进行实时的数据预处理，实时获得目标用户的行为数据；还可以从存储有目标用户的实时行为数据的存储模块，实时获取目标用户的行为数据。

需要说明的是，本发明实施例中采用流式处理架构对目标用户的行为数据进行分析。

获取到目标用户的行为数据之后，对于每一批次的行为数据，可以按照目标维度将该批次的行为数据写入目标数据表和目标索引表。

需要说明的是，目标数据表和目标索引表可以存放于各类分布式搜索和存储系统中，例如：目标数据表和目标索引表可以存放于Hbase中。

需要说明的是，目标数据表和目标索引表中的各目标维度可以根据实际分析需求确定的，例如：目标数据表可以将不同的关联字段作为不同的目标维度；目标索引表可以将不同的数据类型作为不同的目标维度。目标索引表可以用于更快速的查询目标数据表。

步骤102、基于目标数据表和目标索引表分析目标用户目标时段内的行为数据，获取目标用户目标时段内的行为数据分析结果。

具体地，目标时段可以指对目标用户的行为数据进行分析的时间区间。目标时段可以根据实际需求确定，例如：目标时段可以为自当前时刻开始的前48小时；目标时段还可以为自当前时刻的前24小时至前72小时。

基于目标数据表和目标索引表，根据预先确定的分析规则，可以对目标数据表中目标用户目标时段内的行为数据进行多维分析，发现目标用户目标时段内的行为数据之间的关联。进一步地，还可以并基于上述关联获得目标用户目标时段内的行为数据的分析结果。

需要说明的是，预先确定的分析规则可以根据实际分析需求确定，例如：分析规则可以为统计目标数据表中各目标维度中目标用户目标时段的行为数据的数量，并分析数量最多的三个目标维度之间的关联。

需要说明的是，目标用户目标时段内的行为数据的分析结果，可以为目标用户目标时段内的行为画像。

本发明实施例通过将实时获取到的目标用户的行为数据分批次的写入目标数据表和目标索引表，并基于目标数据表和目标索引表分析目标用户目标时段内的行为数据，能从更多维度对用户行为数据进行分析，能更准确、更高效的获取目标用户目标时段内的行为数据的分析结果。

基于上述各实施例的内容，将获取到的行为数据分批次的写入目标数据表和目标索引表，具体包括：对于每一批次的行为数据，确定该批次的行为数据的数据类型和包括的关联字段。

具体地，目标用户的行为数据中可以包括多种数据类型，例如：文字或图片等；或者微信数据、邮箱数据、QQ数据以及上网搜索的数据等。

对于每一批次的行为数据，可以确定该批次中每一条行为数据的数据类型。

根据实际分析需求可以预先确定一个或多个关联字段，例如：女装、母婴或健身等。

对于每一批次的行为数据，可以确定该批次中每一条行为数据是否包括预先确定的关联字段，并可以进一步确定具体包括的关联字段。

基于批次的行为数据的关联字段，将该批次的行为数据写入目标数据表，基于该批次的行为数据的数据类型，将该批次的行为数据写入目标索引表。

具体地，对于每一批次的行为数据，确定该批次中每一条行为数据的数据类型和包括的关联字段之后，可以按照该批次中每一条行为数据的关联字段，将各条行为数据分类对应写入目标数据表；还可以按照该批次中每一条行为数据的数据类型，将各条行为数据分类写入目标索引表中。

本发明实施例中对于每一批次的行为数据，通过按照该批次中每一条行为数据的数据类型，将该批次的行为数据分类写入目标索引表中，按照该批次中每一条行为数据包括的关联字段，将该批次的行为数据分类写入目标数据表中，能从更多维度对用户行为数据进行分析。

基于上述各实施例的内容，目标数据表和目标索引表存放于Hbase中。

具体地，HBase(Hadoop Database)是一种高可靠性、高性能、且可伸缩的分布式存储系统，可以基于Hadoop进行列式存储，更适合存储数据量较大的数据，并且基于Hbase进行关联查询的响应速度较快，可以达到毫秒级响应。

本发明实施例中通过将实时获取到的目标用户的行为数据分批次的写入存放于Hbase中的目标数据表和目标索引表，可以基于Hbase对目标数据表中的目标用户目标时段内的行为数据进行更准确、更高效的关联分析。

需要说明的是，将目标用户目标时段的行为数据分批次写入存放于Hbase中的目标数据表和目标索引表之前，还可以计算RowKey的hash值，并基于RowKey的hash值，对获取到的目标用户的行为数据进行去重。

具体地，在Hbase中RowKey可以唯一的标识一条行为记录。计算RowKey的hash值，相当于为目标数据表中的每一条行为数据创建了一个唯一的指纹。因此，基于RowKey的Hash值，可以确定目标用户的行为数据中的重复数据，并去除上述重复数据。

本发明实施例通过分批次的将目标用户的行为数据写入存放于Hbase中的目标数据表和目标索引表，能基于Hbase更准确、更高效的对目标用户目标时段的行为数据进行关联分析。

基于上述各实施例的内容，将获取到的行为数据分批次的写入目标数据表和目标索引表，具体包括：根据目标条件，分批次的存储获取到的行为数据。

将获取到的行为数据分批次的写入目标数据表和目标索引表，可以包括分批次的存储上述行为数据，以及按照批次读取已存储的行为数据，并将读取到的各批次的行为数据写入目标数据表和目标索引表两个步骤。

具体地，分批次的存储上述行为数据时，可以根据预先确定的目标条件，当达到目标条件时，将获取到的行为数据作为一个批次的行为数据进行存储。

需要说明的是，目标条件可以根据实际情况确定，例如：目标条件可以为实时获取到的行为数据的数量超过一定数量；或者实时获取行为数据的时长超过一定时长等。

读取已存储的各批次的行为数据，并将各批次的行为数据写入目标数据表和目标索引表。

具体地，可以按照批次读取已存储的行为数据，并按照读取到的每一批次的行为数据，将每一批次的行为数据依次写入目标数据表和目标索引表中。

本发明实施例通过根据目标条件，分批次存储获取到的行为数据之后，读取已存储的各批次的行为数据，并将各批次的行为数据写入目标数据表和目标索引表，能实现对目标用户目标时段的行为数据的异步分析，能在分析过程中释放占用的线程，提高响应效率。

基于上述各实施例的内容，根据目标条件，分批次的存储获取到的行为数据，具体包括：若判断获知获取到的行为数据的数量不小于数量阈值，则将获取到的行为数据作为当前批次的行为数据进行存储。

具体地，实时获取目标用户的行为数据时，可以对当前获取到的行为数据进行计数，并可以将当前获取到的行为数据的数量与数量阈值进行比较。

若确定当前获取到的行为数据的数量不小于数量阈值，则可以将当前获取到的行为数据作为当前批次的行为数据进行存储。

需要说明的是，数量阈值可以根据实际情况确定，例如：可以将数量阈值确定为10000条，在确定当前获取到的行为数据的数量不小于10000条的情况下，可以将当前获取到的至少10000条行为数据作为当前批次的行为数据进行存储。

需要说明的是，确定当前获取到的行为数据的数量不小于数量阈值之后，可以将当前获取到的行为数据的数量清零，并重新开始计数。

本发明实施例通过确定获取到的目标用户的行为数据的数据不小于数量阈值之后，将当前获取到的行为数据作为当前批次的行为数据进行存储，能基于获取到的行为数据的数量对目标用户的行为数据进行分批次，能通过处理合理数量的行为数据提高响应效率。

基于上述各实施例的内容，根据目标条件，分批次的存储获取到的行为数据，具体包括：若判断获知获取到的行为数据的数量小于数量阈值，但获取行为数据的时长超过时长阈值，则将获取到的行为数据作为一个批次的行为数据进行存储。

具体地，实时获取目标用户的行为数据时，可以对获取到的行为数据进行计数，还可以对实时获取目标用户的行为数据的时长进行计时。可以将当前获取到的行为数据的数量与数量阈值进行比较，并将实时获取目标用户的行为数据的时长与时长阈值进行比较。

若确定当前获取到的行为数据的数量小于数量阈值，但实时获取目标用户的行为数据的时长超过时长阈值，则可以将当前获取到的行为数据作为当前批次的行为数据进行存储。

需要说明的是，时长阈值可以根据实际情况确定，例如：可以将时长阈值确定为1分钟，在确定当前获取到的行为数据的数量小于10000条，但实时获取行为数据的时长超过1分钟的情况下，可以将当前获取到的行为数据作为当前批次的行为数据进行存储。

需要说明的是，确定当前获取到的行为数据的数量小于数量阈值但实时获取行为数据的时长超过时长阈值之后，可以将当前获取到的行为数据的数量清零，重新开始计数，并将实时获取目标用户的行为数据的时长清零，重新开始计时。

本发明实施例通过确定获取到的目标用户的行为数据的数据小于数量阈值，但实时获取目标用户的行为数据的时长超过时长阈值之后，将当前获取到的行为数据作为当前批次的行为数据进行存储，能在获取到的行为数据的数量小于数量阈值的情况下，根据实时获取目标用户的行为数据的时长对目标用户的行为数据进行分批次，能避免将目标用户的行为数据写入目标数据表和目标索引表，与获取目标用户的行为数据的时差过长，能避免获取实时数据的时长过长而造成线程堵塞，能通过控制获取目标用户的行为数据的时长提高响应效率。

基于上述各实施例的内容，实时获取目标用户的行为数据，具体包括：实时获取目标用户的原始行为数据。

具体地，可以通过多种方式实时获取目标用户的原始行为数据，例如：可以通过实时监控目标用户在互联网中的操作获取目标用户的原始行为数据。

对获取到的目标用户的原始行为数据进行实时数据预处理，实时获得目标用户的行为数据。

具体地，获取到的目标用户的原始行为数据中，可能包括错误数据或空缺数据等，若直接将目标用户的原始行为数据分批次的存储至Hbase中的目标数据表和目标索引表，则基于目标数据表和目标索引表中目标用户目标时段的原始行为数据难以准确的对目标用户在目标时段内的行为进行分析。因此，获取到目标用户的原始行为数据之后，可以对目标用户的原始行为数据进行实时数据预处理，实时获得目标用户的行为数据。

对目标用户的原始行为数据进行的实时数据预处理，可以包括数据清洗、数据检验以及剔除错误数据等步骤。

本发明实施例通过对实时获取到的目标用户的原始行为数据进行实时数据预处理，实时获得目标用户的行为数据，能基于目标数据表和目标索引表中目标用户目标时段的行为数据，更准确的对目标用户目标时段的行为数据进行分析。

图2是本发明提供的用户行为数据分析装置的结构示意图之一。下面结合图2对本发明提供的用户行为数据分析装置进行描述，下文描述的用户行为数据分析装置与上文描述的用户行为数据分析方法可相互对应参照。如图2所示，该装置包括：数据处理模块201和数据分析模块202。

数据处理模块201，用于实时获取目标用户的行为数据，并将获取到的行为数据分批次的写入目标数据表和目标索引表。

数据分析模块202，用于基于目标数据表和目标索引表分析目标用户目标时段内的行为数据，获取目标用户目标时段内的行为数据分析结果；

其中，所述目标数据表，用于基于各目标维度存储所述行为数据；所述目标索引表，用于为查询所述目标数据表提供索引。

具体地，数据处理模块201和数据分析模块202电连接。

数据处理模块201可以通过多种方式实时获取目标用户的行为数据。例如：可以通过实时获取目标用户的原始行为数据，并可以对目标用户的原始行为数据进行实时的数据预处理，实时获得目标用户的行为数据；还可以从存储有目标用户的实时行为数据的存储模块，实时获取目标用户的行为数据。获取到目标用户的行为数据之后，对于每一批次的行为数据，可以按照目标维度将该批次的行为数据写入目标数据表和目标索引表。

需要说明的是，目标数据表和目标索引表中的各目标维度可以根据实际分析需求确定的，例如：目标数据表可以将不同的关联字段作为不同的目标维度；目标索引表可以将不同的数据类型作为不同的目标维度。目标索引表可以用于更快速的查询目标数据表。

数据分析模块202可以基于目标数据表和目标索引表，根据预先确定的分析规则，对目标数据表中目标用户目标时段内的行为数据进行多维分析，发现目标用户目标时段内的行为数据之间的关联。进一步地，还可以并基于上述关联获得目标用户目标时段内的行为数据的分析结果。

需要说明的是，预先确定的分析规则可以根据实际分析需求确定，例如：分析规则可以为统计目标数据表中各目标维度中目标用户目标时段的行为数据的数量，并分析数量最多的三个目标维度之间的关联。

为了便于对本发明实施例中的用户行为数据分析装置的理解，以下通过一个实例说明本发明实施例中的用户行为数据分析装置。

图3是本发明提供的用户行为数据分析装置的结构示意图之二。图4是本发明提供的用户行为数据分析方法的流程示意图之二。如图3所示，用户行为数据分析装置包括：数据采集模块302、数据清洗模块302、数据处理模块201和数据分析模块202。

如图3和图4所示，数据采集模块302可以实时获取目标用户的原始行为数据。

数据采集模块302可以包括N个wifi采集设备304，可以用于从移动互联网301中实时获取目标用户的原始行为数据。其中，N为大于1的正整数，N的取值可以根据实际情况确定；优选地，N可以为10。

N个wifi采集设备304可以将从移动互联网301中实时获取的目标用户的原始行为数据以写文件的方式将目标用户的原始行为数据写入FTP集群305中的监控目录。

FTP集群305可以包括N个FTP服务器306，上述N个FTP服务器306依次电连接。FTP集群305中FTP服务器306的数量可以根据数据采集模块302中的wifi采集设备304的数量相同。上述监控目录可以是在FTP集群305中预先创建的。

将实时获取的目标用户的原始行为数据写入FTP集群305中的监控文件之后。数据清洗模块302中的flume集群308中Source开始，可以读取FTP集群305中监控目录下的所有文件，并对上述文件进行解析。

需要说明的是，flume集群308可以包括M个flume节点309，上述M个flume节点309依次电连接。flume集群308中flume节点309的数量可以根据数据采集模块302中的wifi采集设备304的数量确定。优选地，M可以为5。

flume集群308可以通过判断监控文件中的各文件是否为.txt格式以及是否可以成功读取上述各文件中的目标用户的原始行为数据，判断上述文件是否解析成功。

若判断获知上述文件未解析成功，则可以将未解析成功的文件写入预先建立的解析失败目录。

若判断获知上述文件解析成功，则可以将解析成功的文件写入预先建立的解析成功目录。

flume集群308可以将解析成功的文件中的目标用户的原始行为数据封装为event推送至channel，并通过Interceptor拦截器拦截channel中的原始行为数据。其中，将原始行为数据封装为event时，可以将原始行为数据所在文件的文件名作为消息头进行封装，通过event的消息头可以对event进行分类。

Interceptor拦截器可以将获取到的原始行为数据分类组装为map，并对原始行为数据进行数据清洗，剔除原始行为数据中的错误数据或空缺数据，获取目标用户的行为数据。

获取目标用户的行为数据之后，可以验证目标用户的行为数据是否有效，例如：可以验证目标用户的行为数据的数据类型是否正确；或者，还可以进行数据完整性验证，判断目标用户的行为数据是否完整。

flume集群308可以将未通过验证的错误数据进行封装并存储至Es314，还可以将通过验证的有效的目标用户的行为数据封装为event推送至channel。

数据清洗模块302中的kafka集群310可以实时读取flume集群308中有效的目标用户的行为数据，将实时读取到的行为数据累积至缓存，并进行目标条件判断。

首先可以判断kafka集群310从flume集群308实时读取到的行为数据是否不小于数量阈值。在确定kafka集群310从flume集群308实时读取到的行为数据不小于数量阈值的情况下，可以开启多线程将读取到的目标用户的行为数据作为当前批次的行为数据写入kafka集群310。

在确定kafka集群310从flume集群308实时读取到的行为数据小于数量阈值的情况下，可以进一步判断实时读取目标用户的行为数据的时长是否大于时长阈值。在确定实时读取目标用户的行为数据的时长大于时长阈值的情况下，可以开启多线程将读取到的目标用户的行为数据作为当前批次的行为数据写入kafka集群310。

若kafka集群310从flume集群308实时读取到的行为数据小于数量阈值，且实时读取目标用户的行为数据的时长小于时长阈值，则kafka集群310可以继续从flume集群308实时读取目标用户的行为数据，直至满足目标条件。

需要说明的是，kafka集群310可以包括N个kafka节点311，上述N个kafka节点311依次电连接。kafka集群310中kafka节点311的数量可以与数据采集模块302中的wifi采集设备304的数量相同。

目标用户的行为数据分批次写入kafka集群310之后，数据处理模块201中的SparkStreaming313可以分批次的读取kafka集群310中目标用户的行为数据。具体包括：SparkStreaming313可以从kafka集群310中读取当前批次的行为数据，并将当前批次的行为数据转换为map，通过map的key确定当前批次中每一条目标用户的数据类型和包括的关联字段。

数据处理模块201可以计算RowKey的hash值，并基于RowKey的hash值对当前批次的行为数据进行去重，剔除当期批次的行为数据中的重复数据。

对当期批次的行为数据去重之后，SparkStreaming313可以基于当前批次中每一条行为数据的关联字段，将当前批次中的每一条行为数据分类写入Hbase中的目标数据表中。SparkStreaming313还可以基于当前批次中每一条行为数据的数据类型，将当前批次中的每一条行为数据分类写入Hbase中的目标索引表中。

数据分析模块202可以从数据处理模块201中的Hbase中查询目标数据表和目标索引表，并基于目标数据表和目标索引表中目标用户目标时段内的行为数据，对目标用户的行为进行关联分析，获得目标用户目标时段的行为数据的分析结果。

本发明实施例通过将实时获取到的目标用户的行为数据分批次的写入目标数据表和目标索引表，并基于目标数据表和目标索引表分析目标用户目标时段内的行为数据，能从更多维度对用户行为数据进行，能更准确、更高效的获取目标用户目标时段内的行为数据的分析结果。

图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线550，其中，处理器510，通信接口520，存储器530通过通信总线550完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行用户行为数据分析方法，该方法包括：实时获取目标用户的行为数据，并将获取到的行为数据分批次的写入目标数据表和目标索引表；基于目标数据表和目标索引表分析目标用户目标时段内的行为数据，获取目标用户目标时段内的行为数据分析结果；其中，目标数据表，用于基于各目标维度存储行为数据；目标索引表，用于为查询目标数据表提供索引。

此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各实施例所提供的用户行为数据分析方法，该方法包括：实时获取目标用户的行为数据，并将获取到的行为数据分批次的写入目标数据表和目标索引表；基于目标数据表和目标索引表分析目标用户目标时段内的行为数据，获取目标用户目标时段内的行为数据分析结果；其中，目标数据表，用于基于各目标维度存储行为数据；目标索引表，用于为查询目标数据表提供索引。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的用户行为数据分析方法，该方法包括：实时获取目标用户的行为数据，并将获取到的行为数据分批次的写入目标数据表和目标索引表；基于目标数据表和目标索引表分析目标用户目标时段内的行为数据，获取目标用户目标时段内的行为数据分析结果；其中，目标数据表，用于基于各目标维度存储行为数据；目标索引表，用于为查询目标数据表提供索引。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。