基于spark和hive数仓的水果价格数据分析及预测系统_网页导航
舟率率 5/14/2025 pythonscalamapreduceflasksqoopjava
# 项目概况
# 数据类型
新发地水果价格数据
# 开发环境
centos7
# 软件版本
python3.8.18、hadoop3.2.0、hive3.1.2、spark3.1.2、mysql5.7.38、scala2.12.18、jdk8、sqoop1.4.7
# 开发语言
python、Scala、Java
# 开发流程
数据预处理(python)->数据上传(hdfs)->数据清洗(mapreduce)->数据分析(hive)->数据预测(spark)->数据存储(mysql)->后端(flask)->前端(html+js+css)
# 可视化图表
# 操作步骤
# 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
# 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
# 准备目录
mkdir -p /data/jobs/project/
cd /data/jobs/project/
# 上传 "project-spark-farm-product-price-analysis-dw" 整个文件夹
1
2
3
4
5
6
2
3
4
5
6
# 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 project-spark-farm-product-price-analysis-dw/data/data.csv /data/input/
hdfs dfs -ls /data/input/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 数据清洗
# 程序打包 如果在win上已经打好包,可以直接上传到 "/data/jobs/project/" 目录
cd /data/jobs/project/project-spark-farm-product-price-analysis-dw/数据清洗/mapreduce-job/
mvn clean package -Dmaven.test.skip=true
# 复制到 "/data/jobs/project/" 目录
cp target/mapreduce-job-jar-with-dependencies.jar /data/jobs/project/mapreduce-job-jar-with-dependencies.jar
# 执行数据清洗的mapreduce任务
cd /data/jobs/project/
hadoop jar mapreduce-job-jar-with-dependencies.jar /data/input/ /data/agric_product/raw/
1
2
3
4
5
6
7
8
9
10
11
12
2
3
4
5
6
7
8
9
10
11
12
# hive数据分析
cd /data/jobs/project/project-spark-farm-product-price-analysis-dw/hive分析/
# 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
cd /data/jobs/project/project-spark-farm-product-price-analysis-dw/mysql/
# 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
6
7
2
3
4
5
6
7
# 数据导入MySQL
cd /data/jobs/project/project-spark-farm-product-price-analysis-dw/hive分析/
sed -i 's/\r//g' sqoop.sh
bash sqoop.sh
1
2
3
4
5
6
2
3
4
5
6
# spark预测价格
# 程序打包 如果在win上已经打好包,可以直接上传到 "/data/jobs/project/" 目录
cd /data/jobs/project/project-spark-farm-product-price-analysis-dw/spark_ml/spark-job/
mvn clean package -Dmaven.test.skip=true
# 复制到 "/data/jobs/project/" 目录
cp target/spark-job-jar-with-dependencies.jar /data/jobs/project/spark-job-jar-with-dependencies.jar
cd /data/jobs/project/
spark-submit \
--master local[*] \
--class com.exam.SparkMLApp \
/data/jobs/project/spark-job-jar-with-dependencies.jar /data/input/
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
# 启动可视化
cd /data/jobs/project/project-spark-farm-product-price-analysis-dw/可视化/
# 先执行 data_extractor.py 创建用户表
python3 data_extractor.py
# windows本地运行: python3 app.py
python3 app.py pro
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9