基于spark的淘宝数据分析可视化
舟率率 5/10/2025 pythonflask
# 项目概况
# 数据类型
天池淘宝用户行为数据
# 开发环境
centos7
# 软件版本
python3.8.18、hadoop3.2.0、spark3.1.2、scala2.12.18、jdk8
# 开发语言
python、scala
# 开发流程
数据上传(hdfs)->数据计算(spark)->数据存储(本地)->后端(flask)->前端(html+js+css)
# 可视化图表
# 操作步骤
# 启动Hadoop
# 离开安全模式: hdfs dfsadmin -safemode leave
# 启动hadoop
bash /export/software/hadoop-3.2.0/sbin/start-hadoop.sh
1
2
3
4
5
2
3
4
5
# 上传数据到hdfs
mkdir -p /data/jobs/project/
cd /data/jobs/project/
# 上传文件Processed_UserBehavior.csv
# 创建hdfs目录
hdfs dfs -mkdir -p /dataset/
# 清空目录
hdfs dfs -rm -r /dataset/*
# 上传文件到hdfs
hdfs dfs -put Processed_UserBehavior.csv /dataset/
# 确认上传成功
hdfs dfs -ls /dataset/
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 数据计算
mkdir -p /data/jobs/project/web/static/
cd /data/jobs/project/
# 上传jar
spark-submit \
--master local[*] \
--class com.exam.SparkApp \
project-spark-taobao-data-analysis-jar-with-dependencies.jar \
/dataset/ /data/jobs/project/web/static/
1
2
3
4
5
6
7
8
9
10
11
12
2
3
4
5
6
7
8
9
10
11
12
# 数据可视化
cd /data/jobs/project/
# 上传可视化目录的"web"文件夹
python3 web/main.py pro
1
2
3
4
5
6
7
2
3
4
5
6
7