基于pyspark的TMDB电影分析可视化
舟率率 5/10/2025 pythonbottle
# 项目概况
# 数据类型
TMDB电影数据
# 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
# 开发流程
数据上传(linux本地)->数据计算(spark)->数据存储(linux本地)->后端(bottle)->前端(html+js+css)
# 可视化图表
# 操作步骤
# python安装包
pip3 install bottle==0.12.25 -i https://pypi.tuna.tsinghua.edu.cn/simple
1
2
3
2
3
# 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
# 上传文件到hdfs
mkdir -p /data/jobs/project/
cd /data/jobs/project/
hdfs dfs -mkdir /data/
hdfs dfs -rm -r /data/*
hdfs dfs -put tmdb_5000_movies.csv /data/
hdfs dfs -ls /data/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 上传可视化文件夹
mkdir -p /data/jobs/project/myapp/
cd /data/jobs/project/myapp/
1
2
3
4
2
3
4
# spark数据分析
cd /data/jobs/project/
spark-submit analysis.py
1
2
3
4
2
3
4
# 启动可视化
cd /data/jobs/project/myapp/
python3 web.py
1
2
3
4
2
3
4