推荐一款中小互联网、物联网企业、独立开发者极低成本的数据化运营神器，各类指标，分分钟搞定！

中小互联网企业、物联网企业、独立开发者想要监控线上业务或设备的运行指标，但苦于没有一个低成本的工具，今天就向大家推荐这一款软件神器：XL-LightHouse 。

它和市面上 BI 产品有比较大的差异，从技术方案上来说：BI 产品主要是通过 SQL 查询关系数据库、OLAP 等进行聚合运算获取数据指标，但 XL-LightHouse 不同，它是以"流式计算技术"为基础的指标获取工具。

那流式计算是什么东西呢？其实很容易理解，就是基于实时传入的数据流进行计算的技术，比如线上服务产生的各类日志、设备心跳包等都是典型的实时数据流，xl-lighthouse 就是基于这种实时的、源源不断的数据流进行计算的一款工具。

这个工具和 BI 产品相比，它有两个突出的优势就是：

1 、接入和计算流程更加简便、灵活，不依赖业务表，这在很多针对线上日志、设备心跳的指标计算场景会非常便利，因为不需要创建数据库、数据表、不需要存储和维护数据就能实时计算出各种指标了。
2 、它聚焦于解决繁杂业务场景下大批量数据指标的并行计算问题，可以用来计算各种各样的细粒度指标。

比如：app 的启动次数、每天的打开人数、app 启动耗时、某个页面打开次数、某个表单的提交人数、甚至某个按钮的点击次数、某个列表的点击率、某个接口的异常量和耗时情况、某个商品的点击加购次数等等。

总之就是：只要你有业务需要，XL-LightHouse 可以为你计算大批量的、各种各样的、零零散散的数据指标，这一点和 BI 产品区别比较大。BI 产品的计算逻辑是强依赖于业务表，对数据源要求比较苛刻，要计算某个指标必须要有相应的库表结构，而且字段还得比较工整、规范才可以。

很多企业买一套 BI 回来，可能发现它只能用分析订单表、商品表，但是如果你想看 app 启动、商品点击、搜藏、加购等相关指标数据就会有很大的局限性。而 xl-lighthouse 却可以遍布整个业务上下游链条，提供更全面的数据指标网络，这对于中小互联网企业、物联网类企业帮助非常大。

如何部署

这个项目支持单机版和大数据版，中小企业、独立开发者单机版本就足够了。

首先安装 docker 环境

这个网上搜索就行了，一大堆的资料，也可以参考这里： https://dtstep.com/docs/110156/

安装 xl-lighthouse

下载最新版的 Docker 部署安装包（下载页面： https://dtstep.com/docs/110027/）
解压安装包

tar zxvf lighthouse-docker-x.x.x.tar.gz

 cd lighthouse-docker-x.x.x/ #进入工程目录 cd scripts #进入脚本目录 ./deploy.sh #执行部署命令，输入 yes 即可

部署完之后，访问： http://x.x.x.x:8181 就可以访问系统页面了。

另外：在 scripts/example 下有一个演示工程，直接启动就可以在 web 端看到系统内置的一个演示工程和演示数据了。

如何接入

它提供 http 和 java 版本的 api ，根据自己情况选择，整体使用流程非常非常简单，文档几乎都不用看，就明白怎么回事了。

主要是几步操作：

创建统计工程、统计组

这个项目使用"统计工程-统计组-统计项"的三层结构管理所有数据指标，每个统计工程下可包含若干个数据指标，而基于同一份元数据的数据指标叫做一个统计组。创建操作直接在 web 端就可以完成。

创建统计项

统计项的创建是按照它内置的格式指定指标的计算逻辑，也非常简单，一看就明白了。

数据接入

完成了以上创建之后，只要通过 http 或 java 上报原始消息既可以了，然后就能在 web 端查看数据指标的结果。

App 收款数据监控

下面通过一个小例子介绍它的整体使用。

比如我们 app 内有用户充值的操作，现在要计算 app 充值相关指标。

有这样几个需求：

+ 每 10 分钟 app 充值次数、充值人数、总充值金额 + 每小时 app 充值次数、充值人数、总充值金额 + 每天 app 充值次数、充值人数、总充值金额 + 每天 app 内各充值渠道的充值次数、充值人数、总充值金额 + 每天充值金额大于 100 元的充值次数和充值人数

创建统计工程
创建统计组（也就是一个类似于表结构的配置信息）
创建统计项

每个指标对应一个统计项，创建统计项遵循系统内置的 xl-formula 的配置格式。

XL-LightHouse

然后通过 java 或 Http 进行数据接入就可以了

public class Test { public static void main(String[] args) throws Exception{ LightHouse.init("10.206.6.27:4061"); long t = System.currentTimeMillis(); for(int i = 0;i<6032;i++){ //修改统计组参数值、Token 和秘钥 HashMap<String,Object> paramMap = new HashMap<>(); paramMap.put("user_id", RandomID.id(6)); paramMap.put("channel", RandomID.id(2)); Double d = ThreadLocalRandom.current().nextDouble(1000); paramMap.put("amount",String.format("%.3f", d));//防止上面随机数出现科学计数法 System.out.println("send message:" + JsonUtil.toJSONString(paramMap)); LightHouse.stat("Dc7:recharge_stat","dpDLFgP20zTvKqWddqOgm9ktjQDvzDE9GSVZZtIn",paramMap,t); } System.out.println("send ok."); } }

页面查看数据指标

目前尚无回复

XL-LightHouse 流式计算数据化运营