[发明专利]基于kafka的信息推送方法、装置、设备及存储介质

说明书

本申请实施例属于数据分析领域，涉及一种基于kafka的信息推送方法、装置、计算机设备及存储介质，其中方法包括：获依据预设的用户操作事件和动态筛选条件属性，生成群体类别；构建埋点事件，并通过埋点事件收集用户的用户数据，将用户数据存储于分布式搜索引擎ElasticSearch中；通过配置分布式发布订阅消息系统kafka和采用分布式计算引擎Spark对用户数据的处理，得到每个用户对应的群体类别，根据业务信息，从群体类别中，确定待推荐的群体类别，并向待推荐的群体类别包含的用户推送业务信息。本申请实现针对不同群体类别的用户，实现精准推送，提高业务信息推送效率。本申请还涉及区块链技术，所述用户数据可存储于区块链节点中。

技术领域

本申请涉及数据分析技术领域，尤其涉及基于kafka的信息推送方法、装置、设备及存储介质。

背景技术

信息推荐是一种用于根据用户偏好，向用户推送用户关注的数据信息的方式，精准的信息推荐，一方面，有利于数据提供方想用户推送自己的数据信息，另一方面，也有利于的用户获取到自己想要的信息。近年来推荐系统越来越火，并用于各种不同的领域，包括电影、音乐、新闻、书籍等等。如电商平台也都有他们自己专门的推荐系统为客户们提供他们可能喜欢的产品。在合理的设置下，它可以有效的提升利润、点击率、转化率等等，为用户提供更好的体验。

现有的信息推荐系统，通过设置埋点的方法，收集用户数据，通过对用户数据进行分析，得出用户的偏好信息，并根据用户的偏好信息将推送信息推送给用户。但是，其收集的用户数据是根据全部用户信息进行分析，并向全部用户进行推送，这种方式的信息推送，精准程度较低，推荐的信息并非是用户实际需要的，使得推荐信息的转化率不高，从而导致信息推荐效率较低。

发明内容

本申请实施例的目的在于提出一种基于kafka的信息推送方法，以提高信息推荐的效率。

为了解决上述技术问题，本申请实施例提供一种基于kafka的信息推送方法，包括：

依据预设的用户操作事件和动态筛选条件属性，生成群体类别；

构建埋点事件，并通过所述埋点事件收集用户的用户数据，将所述用户数据存储于分布式搜索引擎ElasticSearch中；

配置分布式发布订阅消息系统kafka中主题topic的参数信息，并基于配置好的主题topic，对存储于所述分布式搜索引擎ElasticSearch中的所述用户数据进行数据分析，将得到的分析结果存储到消息中间件中；

采用分布式计算引擎Spark，从所述消息中间件中获取所述分析结果，并对所述分析结果进行过滤分析，将得到的过滤分析结果回写到所述消息中间件中；

将所述消息中间件中的所述过滤分析结果,写入到所述分布式发布订阅消息系统kafka中，通过所述分布式发布订阅消息系统kafka对所述过滤分析结果进行解析处理，得到每个所述用户对应的群体类别；

根据业务信息，从所述群体类别中，确定待推荐的群体类别，并向所述待推荐的群体类别包含的用户推送所述业务信息。

进一步的,所述配置分布式发布订阅消息系统kafka中主题topic的参数信息，并基于配置好的主题topic，对存储于所述分布式搜索引擎ElasticSearch中的所述用户数据进行数据分析，将得到的分析结果存储到消息中间件中包括：

配置分布式发布订阅消息系统kafka中所述主题topic的参数信息，并基于配置好的主题topic对所述用户数据进行数据分析，得到分析结果；

将所述分析结果封装成json字符串，得到分析结果json字符串，并将所述分析结果json字符串写入所述消息中间件。