大数据成长之路 Hadoop 历史之路 HDFS JavaAPI 副本因子的坑 如果通过hdfs shell上传的文件那么他的副本因子是根据 hdfs-site.xml中的配置, 如果是通过Java API方式那么他会使用副本因子为3的配置 项目实践 用户行为日志分析 日志数据内容 访问的系统属性：操作系统，浏览器等等 访问特征：点击的网址，从其中网址替换过的（引用网址），页面停留时间等 访问信息：session_id，访问ip 数据处理流程 Flume：Web日志写入HDFS中 数据清理脏数据