Jungle Scout助你快速开发亚马逊产品
马上免费试用Jungle Scout
亚马逊产品数据分析和产品数据追踪WEB版和插件版二合一，Web版本可以在线分析追踪亚马逊产品和销售数据，插件版本可以浏览器一键获取亚马逊产品数据信息快速开发产品。
推荐超级好用，使用人数最多的亚马逊导航：
Jungle Scout is the ONE tool I can not live without. There’s ways to use it that simply blow you away once you realize the power of what they can do for your business. A must-have tool for any Amazon seller!
Scott Voelker
My team loves Jungle Scout as it is the best Amazon software out there. I love Jungle Scout’s creator, Greg Mercer. He has a teacher’s heart. He doesn’t just create a tool. He educates his users all about succeeding on Amazon and using Amazon as a tool for personal success
Robert Kiyosaki
Jungle Scout is how I start all of my product research. It saves my team and I countless hours each and every month. Honestly, I don’t know what we did without it!
Kevin Rizer
Jungle Scout可以增加产品Asin后追踪其历史库存变动信息和排名价格变动信息，也能估算亚马逊费用和收入等。相比Amztracker等工具很好使。
Jungle Scout按照关键词搜索筛选指标得到推荐的选品，也可以直接按照类目筛选指标，不输入关键词方式得到更多产品推荐：根据产品类目按照指定指标（价格，重点，费用，排名预估收入）等筛选出产品。
Jungle Scout按照关键词搜索筛选几个区域指标，例如平均销量等筛选出产品。比前者分类和搜索实用性效果稍差，但是一定程度上对关键词选品研究和竞价会具有参考意义。
Jungle Scout使用问题
Jungle Scout Web版和插件支持的国家有：Germany, France, Canada, US, UK, India, Spain, Italy, Mexico。
Jungle Scout自动匹配手机移动端客户，一次搭建即可轻松获取全球客户，多语言支持
Web应用程序是一个功能强大的工具包，可以在我们自己的网站上运行。 它有一套三个工具; 产品跟踪器、利基猎人的亚马逊产品数据库。 相比之下，Jungle Scout Chrome扩展程序通过在您浏览它时直接从Amazon网站中提取数据（包括估计收入）来运行。
WEB版：我们建议最好在PC端使用，但是我们也能够很好的在移动端使用。
插件的话：Google Chrome目前不支持移动设备（平板电脑/智能手机/ ipads）的扩展。所以目前我们仅限于在笔记本电脑和台式机上使用JS扩展。
Jungle Scout目前是英文界面，所以你需要稍微懂点英语，也可以用Google翻译插件或者网易有道翻译网页，这样就可以当做中文版用了
JungleScout有分WEB版本和插件版，但是我们主要推荐的是web版，因为这样你可以更好地分析产品，同时对亚马逊数据也更容易把握，可以在任何设备登录查看，只需要一个账号不限电脑，是不是很方便，快速分析和找到自己想要的产品就是这么简单！
JungleScout - 找产品分析产品必备神器,让你事半功倍快速引爆你的亚马逊销售之旅
Jungle Scout是最好的亚马逊产品分析工具，可以通过Jungle Scout快速查询产品在亚马逊上面的销量可以分析出这个产品是否值得卖，还可以简单方便的找到销量好的产品。
现在免费试用Jungle Scout吧！
(C) Copyright 2017 Jungle Scout使用Amazon EMR和Tableau分析和可视化数据
发表于 15:35|
作者Rahul Bhartia
摘要：本篇文章将教会你如何使用Amazon Elastic MapReduce（Amazon EMR）来分析Amazon Simple Storage Service（Amazon S3）上存储的数据，并使用Tableau配合Impala进行可视化。
引言针对不同格式和大小的数据，Hadoop生态圈提供了丰富的工具进行分析并提取价值。最初，Hadoop生态圈专注于分析大批量数据，提供了类似MapReduce、Pig和Hive等组件。而当下，Hadoop已提供了大量用于交互式数据查询的工具，比如Impala、Drill和Presto。本篇文章将教会你如何使用Amazon Elastic MapReduce（Amazon EMR）来分析Amazon Simple Storage Service（Amazon S3）上存储的数据，并使用Tableau配合Impala进行可视化。工具介绍Amazon Elastic Map Reduce：Amazon EMR是一个基于Web的服务，使用它用户可以便捷及合算地处理海量数据。Amazon EMR使用了Apache Hadoop这个开源框架，在Amazon Elastic Compute Cloud（Amazon EC2）实例组成的集群中进行分布式数据处理。Impala： Hadoop生态圈中的一个开源工具，当下已可在EMR中使用进行基于SQL的交互式即席查询。取代使用类似Hive的MapReduce引擎，Impala利用了大规模并行处理引擎（MPP）的优势，类似传统关系型数据库管理系统（RDBMS）中使用的方法，Impala可以实现更快的查询响应时间。鉴于Hive和Impala都提供了类似SQL的能力，并且可以共享相同的Metastore（为表格和分割元数据提供的资源库），它们在Hadoop生态圈中互不冲突，各司其职。对比Impala，Hive的批处理形式需要更多响应时间，因此在与类似Tableau等工具配合进行交互式数据分析时颇显乏力。Impala同样存在许多限制，因为内存处理的性质，它需要使用大量的内存资源，从而单查询可操作数据量必然会受到集群可用内存资源限制，但是Hive就完全没有这样的限制——相同硬件上，它可以处理更大的数据集，从而更适合大数据集上的ETL负载。Tableau：是个商业智能解决方案，它结合了数据分析和报表形成一个持续可视化分析过程，易于用户认知和使用。Tableau可以交付非常快速的分析、可视化和商业智能，它可以直接连接到AWS和其他数据源。在最新版本的Tableau Desktop中，用户可以使用Amazon EMR专用ODBC驱动将之与运行在Amazon EMR上的Hive或者Impala连接。具体如何将Amazon EMR作为Tableau的一个数据源，你可以联系Tableau取得帮助。实例解析在本文中，我们将展示如何让Amazon EMR作为Tableau的一个数据源，并把Tableau与Impala连接进行交互式可视化分析。使用Amazon EMR来分析Google Books n-gramsGoogle Books n-grams数据集已免费存储于Amazon S3的AWS Public Data Sets上，N-grams是大量item组成的固定大小元组。在这里，item是Google Book语料库中抽取的单词。“n”指的是元祖中的元素个数，因此5-gram代表了5个单词或者字母。传统情况下，Apache Hadoop运行在HDFS上，但是它同样支持Amazon S3作为其文件系统。而对比Hive可以直接查询Amazon S3存储的数据，Impala则需要HDFS的支持。Google Books n-gram当下已经支持Hadoop友好的文件格式，最大体积可达2.2 TB。该数据集使用SequenceFile格式进行存储，并且使用了块级（block-level）的LZO压缩方式。行号使用LongWritable来存储，并作为SequenceFile的键；原始数据使用TextWritable进行存储，并作为SequenceFile的值。鉴于使用块级的LZO压缩，SequenceFile需要进一步的进行转换，因为Impala不可以直接建立或对其插入数据，Impala只可以查询LZO压缩的Text表格。Hive则原生支持了使用LZO压缩的SequenceFile格式，并且可以查询存储在Amazon S3上的外部数据。因此，使用它将S3上的数据转换成（储存在HDFS上）Impala支持的格式是个非常不错的选择。开启一个Amazon EMR集群首先，我们需要建立一个安装Impala和Hive的Amazon EMR集群。1. 使用AWS CLI建立一个Amazon EMR集群。如果之前你没有使用CLI的经验，AWS提供了一个说明用于安装和配置。下面是使用CLI建立Amazon EMR集群的语句，同时返回了该集群的唯一识别符。aws emr create-cluster --name ImpalaCluster--ami-version 3.1.0
instance-groups
InstanceGroupType=MASTER,InstanceCount=1,InstanceType=m1.medium
InstanceGroupType=CORE,InstanceCount=2,InstanceType=m1.medium--ec2-
attributes KeyName=keyPairName,AvailabilityZone=availabilityZone --
applications Name=Hive,Name=Impala --no-auto-terminate注意：运行该语句前，将keyPairName和availabilityZone字符串替换成合适的值。在下面步骤里，你还需要使用这条语句执行得到的唯一识别符去替换j- XXXXXXXXXXXX字符串。2. 5到10分钟后，集群建立完成，其状态会显示成等待。如果需要检查集群的初始化状态，你可以运行下面的命令：aws emr describe-cluster --cluster-id j-XXXXXXXXXXXX--query
'Cluster.Status.State' --output text3. 当你的集群进入“WAITING”状态后，你可以使用下面的语句连接到主节点。aws emr
ssh --cluster-id j-XXXXXXXXXXXX --key-pair-file keyFilePath注意： 使用私钥文件的路径替换字符串keyFilePath。为来自Amazon S3上的数据建立External Table通过建立EXTERNAL TABLE可以让Amazon EMR引用来自外部的数据源。建立到这个数据的引用非常简单，这里并不会产生数据迁移。1. 登入主节点后，开启Hive shell：$ hive2. 使用CREATE TABLE语句定义数据源。在这里例子中，我们将使用一个English 1-grams数据集。hive& CREATE EXTERNAL TABLE
eng_1M_1gram(token STRING, year INT, frequency INT, pages INT,
books INT) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' STORED
AS SEQUENCEFILE LOCATION 's3://datasets.elasticmapreduce/ngrams/
books//eng-1M/1gram';在HDFS中建立一个Replica Table为了使用Impala，我们需要建立一个储存在HDFS中的副本表格。在副本表格中，我们将使用Parquet取代Sequence File 格式。Parquet是个面向列的二进制文件格式，旨在服务高效大规模查询。1. 在Hive中建立副本表格：hive& CREATE TABLE
eng_1M_1gram_paraquet(token STRING, year INT, frequency INT, pages INT, books
INT) ROW FORMAT SERDE 'parquet.hive.serde.ParquetHiveSerDe' STORED AS
inputformat 'parquet.hive.DeprecatedParquetInputFormat' outputformat
'parquet.hive.DeprecatedParquetOutputFormat';2. 调整好mapred.min.split.size设置，因为储存在Amazon S3中的数据是个单文件。hive& set mapred.min.split.size=;这个设置告诉hive至少分割成128 MB的文件进行处理。这可以防止你处理数据时只使用一个映射器,因为这不会利用MapReduce的分布式特性。3. 使用select查询将数据插入到这个表格中。我们从原始数据表格中读取数据，并将之插入新表格。hive& INSERT OVERWRITE TABLE eng_1M_1gram_paraquet SELECT lower(token),
year, frequency, pages, books FROM eng_1M_1gram WHERE year &= 1890 AND
token REGEXP "^[A-Za-z+'-]+;这个查询同时还演示了一个典型的用例——转换数据让下游工具（比如Tableau）可以更便捷的使用。在这个查询中，第一步是过滤掉1890年之前的数据。同时还使用正则表达式过滤掉非字母或常用标点之外的数据。而为了使用相同格式以便后续步骤可以更方便的查询，我们还使用内置函数将所有字母转换成小写格式。4. 在上述所有步骤完成后，退出Hive。让副本表格在Impala中可用在这里，为Hive和Impala使用了同一个Metastore。因此，在表格对Imapa查询可用之前，我们需要更新Impala中的元数据。INVALIDATE METADATA语句可以失效元数据，并在Impala查询发生之前为其重新加载所需的元数据。1. 登入Impala。$ impala-shell2. 无效给Impala副本表格准备的元数据impala&3. 退出Impala shell，并且关闭到Amazon EMR集群的SSH连接。使用Tableau可视化Impala传来的数据下一个步骤，你需要使用在Windows或者MacOSX主机上安装的Tableau Desktop。如果你还没有安装Tableau，你可以使用Amazon EC2，在其上安装本例需要使用的Tableau。你同样需要一些步骤让Amazon EMR对Tableau可用。当然，你可以通过联系Tableau取得帮助。1. 在主机上安装Tableau Desktop需要使用的ODBC驱动，从而你可以将TableauDesktop连接到Amazon EMR上的Impala上。A. 下载驱动B. 解压下载文件。可能会建立一个名为ImpalaODBC的文件夹。C. 将之复制到所需文件中以备安装。Windows:ImpalaODBC\1.0.16.1017\Windows\SimbaImpalaODBC64.msi
MacOSX: ImpalaODBC/1.0.16.1017/MacOSX/SimbaImpalaODBC.dmgD. 运行上面的包，按照提示安装ODBC驱动。2. 修改Amazon EMR集群的Master Security Group，让Tableau可以连接到运行在Amazon EMR集群主节点上的Impala服务器。A. 点击AWS Management Console中的Amazon EC2标签来打开Amazon EC2控制台。B. 在导航面板中，选择Network和Security group下的Security Groups。C. 在Security Groups列表中，选择Elastic MapReduce-master。D. 在靠近下方的面板中，点击Inbound标签。E. 在Port Range字段类型20150，标记Source字段的默认值。F. 点击Add Rule，然后点击Apply Rule Changes。3. 按Tableau指示允许Amazon EMR作为Tableau的一个数据连接选项。点击A可以看到如下图所示的页面。图14. 在Server字段中填写主节点的DNS，然后点击Connect按钮。你可以使用以下语句获得DNS：aws emr describe-cluster --cluster-id
j-XXXXXXXXXXXX --query 'Cluster.MasterPublicDnsName' --output text5. 在下一个页面中，从schema下拉框中选择default模式，将名为“eng_1m_1g_paraquet”的表格拖到下图左上角的面板中，然后点击Go to Worksheet按钮。图2这将打开一个Tableau workbook，Dimension和Measure会自动填充。现在，我们已经可以使用Tableau与运行在Amazon EMR上的Impala。视频演示建立交互式可视化下面的视频将演示如何使用Tableau进行一些交互式可视化。首先，我们需要为每年发布的书籍建立一个trend-line。视频1视频请点击：建立一个过滤器下面这个视频演示如何建立一个过滤器，它将允许用户为trend-line选择一个指定的1-Gram。1905年左右，1-gram里“computer”单词的忽然增加可能就比较有趣。如果你对这个增加有自己的看法，请进行评论。视频2视频请点击：关闭Amazon EMR Cluster当你完成上述所有步骤后，请别忘记在AWS控制台中关闭这个Amazon EMR集群。你可以通过下方的CLI语句完成：aws emr terminate-cluster --cluster-id j-XXXXXXXXXXXX如果你只是为演示这个步骤才建立的Amazon EMR集群，请别忘记关闭。总结在这篇文章中，我们演示了如何使用Amazon EMR、Impala和Tableau快速可视化分析Amazon S3中的数据。我们演示了如何使用Impala提供一个快速分析，以及如何使用Tableau的数据探索功能，因此我们可以快速的挖掘数据并且可视化来验证猜想。你可以使用同样的方法来快速分析所有Amazon S3上的数据，包括AWS CloudTrail日志或者Amazon S3访问日志。原文链接：如您需要了解AWS最新资讯或是技术文档可访问；如您有更多的疑问请在提出，稍后会有专家进行答疑。 订阅“AWS中文技术社区”微信公众号，实时掌握AWS技术及产品消息！AWS中文技术社区为广大开发者提供了一个Amazon Web Service技术交流平台，推送AWS最新资讯、技术视频、技术文档、精彩技术博文等相关精彩内容，更有AWS社区专家与您直接沟通交流！快加入AWS中文技术社区，更快更好的了解AWS云计算技术。&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&& （译者/薛童阳 责编/王玉平）
推荐阅读相关主题：
CSDN官方微信
扫描二维码,向CSDN吐槽
微信号：CSDNnews
相关热门文章亚马逊推出最新大量数据分析工具Kinesis
　　【PConline 资讯】近日据了解，Amazon Web Services希望企业在有大量数据需要分析时使用其最新的服务工具，这款产品被命名为Kinesis。Kinesis被设计用来管理分析实时数据， 在上个月首次推出预览版，现已推出公测版。亚马逊方面称，它能收集和处理包括服务器日志和社交媒体等资源的海量数据信息。　　和许多Amazon的其他托管服务相同，企业不必担心为了获取和存储的实时数据而配备、部署和维护硬件与软件。 Kinesis同时在三个设施中复制信息以提高可用性和数据持久性。　　亚马逊看到了Kinesis的一些使用案例：该服务可以收集由应用程序产生的数据流，并使其可以识别资料库、页面浏览量或资源利用率​​。 Kinesis还可以收集和分析实时的财务信息，或帮助游戏开发者获知玩家们是如何进行游戏、以及与其他玩家互动的。　　Kinesis的基本概念是数据流的送入与输出。 每个数据流由&碎片&组成。 &碎片&每秒最多可以收集1MB的数据和1000处理信息。当应用连接到该服务的时候能够以高达每秒2MB的读取速度从每个&碎片&中读取信息。　　决定所需&碎片&的数量是配置过程的第一步&&Kinesis控制台包括一个向导来辅助用户进行配置。 如果某个数据流不具备所有发送给其处理的信息的容量，数据将被延迟处理或者丢弃。 IT人员可以通过拆分或合并&碎片&来动态调整数据流，甚至是在其正在被使用的时候。 根据亚马逊发布的常见问题解答中，调整一个给定的数据流一次需要几秒钟的时间，并且一次只能调整一个流。　　该服务的另一个重要组成部分是Kinesis客户库，它在需要按照逻辑处理数据的应用程序与Kinesis服务之间起到媒介作用。另外，每个Kinesis应用程序都有一个唯一的名称，并只运行在一个特定的流上。 该客户库是目前在Java平台可用。亚马逊正在计划增加它对其它语言的支持。
服务器论坛帖子排行
最新资讯离线随时看
聊天吐槽赢奖品}