基于pyspark的B站每周必看栏目数据分析及可视化_无前后端

原地址:https://dblab.xmu.edu.cn/blog/4453/

可视化效果视频 (opens new window)

项目概况

master (opens new window)

数据类型

b站《每周必看》栏目数据

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(hdfs)->数据分析(spark)->机器学习(spark)->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 retry==0.9.2 -i https://mirrors.aliyun.com/pypi/simple/
pip3 install fake-useragent==1.1.3 -i https://mirrors.aliyun.com/pypi/simple/

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

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

准备目录

mkdir -p /data/jobs/project/
cd /data/jobs/project/

# 解压 "data" 目录下的 "bilibili_week.7z" 文件
# 上传 "project-pyspark-bilibili-week-watch-data-analysis" 整个文件夹

上传文件到hdfs

cd /data/jobs/project/project-pyspark-bilibili-week-watch-data-analysis/

hdfs dfs -mkdir -p /data/input/
hdfs dfs -rm -r /data/input/*
hdfs dfs -put -f data/bilibili_week.txt /data/input/
hdfs dfs -ls /data/input/

spark数据分析

cd /data/jobs/project/project-pyspark-bilibili-week-watch-data-analysis/
# 删除留存的文件
rm -rf html
rm -rf static
ll

spark-submit --master local[*] data_analysize1.py

spark机器学习

cd /data/jobs/project/project-pyspark-bilibili-week-watch-data-analysis/

spark-submit --master local[*] data_analysize2.py

启动可视化

cd /data/jobs/project/project-pyspark-bilibili-week-watch-data-analysis/html/
python3 echarts_show.py
mv index.html html/
# 点击 "html" 目录下的 index.html