基于hive的电商购物用户行为分析及可视化
舟率率 5/10/2025 flasksqoop
# 项目概况
direct_exec (opens new window)
# 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、hive3.1.2、mysql5.7.38、jdk8、sqoop1.4.7
# 开发语言
python、shell、SQL
# 开发流程
数据上传(hdfs)->数据预处理->数据分析(hive)->数据抽取(sqoop)->数据存储(mysql)->后端(flask)->前端(html+js+css)
# 可视化图表
# 操作步骤
# python安装包
pip3 install pandas==2.0.3 -i https://mirrors.aliyun.com/pypi/simple/
pip3 install flask==3.0.0 -i https://mirrors.aliyun.com/pypi/simple/
pip3 install flask-cors==4.0.1 -i https://mirrors.aliyun.com/pypi/simple/
pip3 install pymysql==1.1.0 -i https://mirrors.aliyun.com/pypi/simple/
1
2
3
4
5
6
2
3
4
5
6
# 启动MySQL
# 查看mysql是否启动 启动命令: systemctl start mysqld.service
systemctl status mysqld.service
# 进入mysql终端
mysql -uroot -p123456
1
2
3
4
5
6
2
3
4
5
6
# 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
# 启动hive
# 在第一个窗口中,执行后等待10-20秒
/export/software/apache-hive-3.1.2-bin/bin/hive --service metastore
# 在第二个窗口中,执行后等待10-20秒
/export/software/apache-hive-3.1.2-bin/bin/hive --service hiveserver2
# 连接进入hive终端命令如下:
# /export/software/apache-hive-3.1.2-bin/bin/beeline -u jdbc:hive2://master:10000 -n root
1
2
3
4
5
6
7
8
9
10
2
3
4
5
6
7
8
9
10
# 数据集上传
# 创建目录
mkdir -p /data/jobs/project/
# 进入目录
cd /data/jobs/project/
# 上传 small_user.csv 到 /data/jobs/project/ 目录下
# 查看前面5条记录
head -5 small_user.csv
1
2
3
4
5
6
7
8
9
10
11
2
3
4
5
6
7
8
9
10
11
# 数据预处理
cd /data/jobs/project/
# 删除small_user中的第1行
sed -i '1d' small_user.csv
# 下面再用head命令去查看文件的前5行记录，就看不到字段名称这一行了
head -5 small_user.csv
# 上传"数据预处理"的pre_deal.sh
# 执行pre_deal.sh脚本文件，来对small_user.csv进行数据预处理
sed -i 's/\r//g' pre_deal.sh
sh pre_deal.sh small_user.csv user_table.txt
# 使用head命令查看前10行数据
head -10 user_table.txt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# 数据上传hdfs
cd /data/jobs/project/
# 上传到hdfs
hdfs dfs -mkdir -p /data/input/
hdfs dfs -rm -r /data/input/*
hdfs dfs -put user_table.txt /data/input/
hdfs dfs -ls /data/input/
1
2
3
4
5
6
7
8
9
10
2
3
4
5
6
7
8
9
10
# 数据分析
cd /data/jobs/project/
# 上传数据分析目录下的文件到此目录下
# 连接进入hive终端命令如下:
# /export/software/apache-hive-3.1.2-bin/bin/beeline -u jdbc:hive2://master:10000 -n root
# 快速执行hive.sql
hive -v -f hive.sql
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 创建MySQL表
# 请确认mysql服务已经启动了
# 快速执行.sql文件内的sql语句
mysql -u root -p < mysql.sql
1
2
3
4
5
2
3
4
5
# 数据导入MySQL
cd /data/jobs/project/
# 上传 sqoop.sh 文件
sed -i 's/\r//g' sqoop.sh
bash sqoop.sh
1
2
3
4
5
6
7
2
3
4
5
6
7
# 启动可视化
mkdir -p /data/jobs/project/myapp/
cd /data/jobs/project/myapp/
# 上传 可视化 目录下的所有文件到/data/jobs/project/myapp/目录下
python3 app.py pro
1
2
3
4
5
6
7
2
3
4
5
6
7