基于hive的电商购物用户行为分析及可视化_无前后端
舟率率 6/1/2025 pythonmapreducesqoopjava
# 项目概况
no_back_end_front_end (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(mapreduce)->数据分析(hive)->数据抽取(sqoop)->数据存储(mysql)->静态可视化(pyecharts)
# 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/
pip3 install bottle==0.12.25 -i https://pypi.tuna.tsinghua.edu.cn/simple
1
2
3
4
5
6
7
2
3
4
5
6
7
# 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/
# 解压 "data" 目录的 user_behavior_100W.7z 压缩包
# 上传 user_behavior_100W.csv 到 /data/jobs/project/ 目录下
# 查看前面5条记录
head -5 user_behavior_100W.csv
1
2
3
4
5
6
7
8
9
10
11
12
2
3
4
5
6
7
8
9
10
11
12
# 数据预处理
cd /data/jobs/project/
# 上传"数据预处理" 目录下的 "data_clean.py" 文件
python3 data_clean.py
# 使用head命令查看前10行数据
head -10 output_data_with_id.csv
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 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 output_data_with_id.csv /data/input/
hdfs dfs -ls /data/input/
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# mapreduce数据分析
cd /data/jobs/project/
# 对 "数据分析" 目录下的maven项目 "mapreduce-job" 进行打包
# 编译打包mapreduce程序: mvn clean package -DskipTests
hadoop jar mapreduce-job-jar-with-dependencies.jar /data/input/ /data/output/
1
2
3
4
5
6
7
2
3
4
5
6
7
# hive数据分析
cd /data/jobs/project/
# 上传 "数据分析" 目录下的 "hive.sql" 文件
# 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
# 生成静态可视化网页
cd /data/jobs/project/
# 上传 "可视化" 目录下的 "myapp" 文件夹
cd /data/jobs/project/myapp/
# 导出数据
python3 export_data.py
python3 web.py
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9