使用 Spark 分析购物会话是面向已掌握 PySpark 批处理基础的学习者的动手项目。你将把一份已结束的商店访问日志变成可复用的分析程序，区分重复事件与发生过浏览的会话/商品对，并按正确的商品和时间匹配加购。
两个引导实验分别建立关系判断和完整商品对比表。一个独立挑战将相同规则应用于另一家商店的批次。你将交付真实的 Parquet 数据集和与之匹配的小型 CSV，并用计数解释每个比例。125～155 分钟是作者的估计，包含阅读和常见错误处理。
你将学到什么
完成本课程后，你将能够：
- 去除完全相同的事件重投后，保留每个发生过浏览的会话/商品对及其最早浏览时间；
- 判断是否存在有效加购，既不借用其他商品的加购，也不因多个匹配加购而重复计算一个浏览过程；
- 计算浏览会话分母、完成与未完成会话数，以及未完成比例；
- 保留零加购商品和所有并列结果；
- 写入并读取真实的 Parquet 和 CSV，重跑派生快照并保留原始输入；
- 解释为什么已结束会话中的模式只是观察线索，而不是独立人数或因果证明。
本课程适合谁
本项目适合希望可靠地处理 Spark 数据关系和汇总指标的数据分析及数据工程学习者。
前置知识： 基本终端文件导航，以及 Apache Spark 入门中的显式 schema、筛选、完全相同记录去重、DataFrame 关联、分组和 Parquet。本项目介绍会话/商品观察单位、最早浏览时间、semi/anti join 和完整对比分母。
学习环境： 每个实验都提供独立的浏览器 Terminal，已准备 Spark、Python、本地批次文件和轻量输出驱动程序。Spark 在一台机器上使用两个本地工作线程。无需安装软件，也不需要 Hive、Kafka 或远程集群。
常见问题
需要编写 Python 吗？
需要。你将完成返回 Spark DataFrame 的小型可复用函数。引导实验会先解释函数参数和关系表达式，再让你使用它们；提供的驱动程序负责创建会话和文件序列化。
这是实时漏斗或独立顾客报表吗？
不是。输入是标识符和 UTC 时间戳均有效、会话已经结束的有限批次。会话是一次访问的标识符，一个会话可以浏览多个商品。流处理、结账和跨设备身份不在本课程范围内。
挑战中会改变什么？
批次标识符和事件之间的关系会改变。Spark 工具、时间规则、输出格式和恢复方法保持一致。结果必须保留完整对比，包括零加购商品和并列结果。
