Java+Redis+ES+Kibana对百万用户数据分析( 四 ) 作者：_artoria_1.前言我是一个真

模糊搜索

全字段匹配， “模糊”搜索含有“知乎”的数据，搜索结果图如下：

文章插图
4.4 echarts作图从上面的kibana画图效果来看，真的一般般。这里更推荐使用kibana收集数据，利用百度开源的数据可视化工具echarts来作图。
最终的数据汇总以及echarts绘图效果图如下：

关注数层级统计

文章插图
很明显地，绝大部分知乎用户都是“知乎小白”或者“知乎路人” 。这里的“知乎超大V(1000000+)”的用户只有3个：“丁香医生”、“知乎日报”、“张佳玮” 。

行业信息统计

手动整理后的行业信息图如下：

文章插图
很明显地能够看出，大部分知乎用户所处的行业都与计算机或者互联网相关。

公司信息统计

统计了出现频率最多的前15名所属公司统计图如下：

文章插图
可以看到， “腾讯”、“阿里”的员工数量遥遥领先。虽然“百度”还是排名第三，但已经不在一个数量级。（“BAT”的时代真的一去不复返了吗？）

职位信息统计

基于职位信息统计图，利用中文在线词云生成器优词云，生成出现频率最多的前100名的职位词云图：

文章插图
可以看出，除了学生以外，很多知乎用户都从事计算机或者软件编程相关的工作，也就是说，知乎用户中“程序猿/媛”所占的比重极其的大。

大学信息统计

统计了出现频率最多的前20名毕业院校统计图如下：

文章插图
可以看到，填写了毕业院校的知乎用户（其实还有绝大部分人没有完善该信息），这些毕业院校的实力和名气那是杠杠的。

专业信息统计

统计了出现频率最多的前20名专业统计图如下：

文章插图
可以看到， “计算机科学与技术”和“软件工程”这两个专业的人数遥遥领先。

居住城市信息统计

统计了出现频率最多的前20名居住城市统计图如下：

文章插图
很明显地， “帝都”和“魔都”的人数遥遥领先。（这里可以做一个相关性不大、准确度不高的推论：杭州将是下一个“新一线城市”最有力的竞争者。）
5. 总结从最终的信息统计结果来看，大部分的知乎用户信息不算完善（信息比例）。但这些统计结果图，都是基于知乎用户已经完善的信息进行整理并分析的。很明显地可以看出，已完善信息的知乎用户，基本都在发达城市大公司任职，而且其中的很大一部分是“程序猿/媛” 。
也就是说，如果我（码农一枚）在工作中遇到什么专业难题时，在知乎中寻求到的答案是专业可信的。