基于spark的电信用户数据分析及可视化
舟率率 5/11/2025 pythonscalaflask
# 项目概况
# 数据类型
电信用户数据
# 开发环境
centos7
# 软件版本
python3.8.18、hadoop3.2.0、spark3.1.2、mysql5.7.38、scala2.12.18、jdk8
# 开发语言
python、Scala
# 开发流程
数据清洗(python)->数据上传(hdfs)->数据分析(spark)->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 openpyxl==3.1.5 -i https://mirrors.aliyun.com/pypi/simple/
1
2
3
2
3
# 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的用户名:root 密码:123456
# MySQL的用户名:root 密码:123456
# MySQL的用户名:root 密码:123456
mysql -uroot -p123456
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 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
# 数据清洗
mkdir -p /data/jobs/project/
cd /data/jobs/project/
# "data" 目录下的 "data.xlsx" 文件
# "数据清洗" 目录下的 "data_clean.py" 文件
python3 data_clean.py /data/jobs/project/
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 上传文件到hdfs
cd /data/jobs/project/
hdfs dfs -mkdir -p /data/input/
hdfs dfs -rm -r /data/input/*
hdfs dfs -put -f data.csv /data/input/
hdfs dfs -ls /data/input/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# spark数据分析
cd /data/jobs/project/
# 打包命令
# mvn clean package -Dmaven.test.skip=true
spark-submit \
--master local[*] \
--class com.exam.SparkApp \
/data/jobs/project/spark-job-jar-with-dependencies.jar /data/input/
1
2
3
4
5
6
7
8
9
10
11
2
3
4
5
6
7
8
9
10
11
# 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" 文件和文件夹
# 创建用户表
python3 extractor.py
# windows本地运行: python3 app.py
python3 app.py pro
# 用户名:admin
# 密码:admin
1
2
3
4
5
6
7
8
9
10
11
12
13
14
2
3
4
5
6
7
8
9
10
11
12
13
14