基于spark的全国热门旅游景点数据分析及可视化_离线
舟率率 6/14/2025 pythonscalaflask
# 项目概况
spark_offline_flask (opens new window)
# 数据类型
旅游景点数据
# 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 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 jieba==0.42.1 -i https://mirrors.aliyun.com/pypi/simple/
pip3 install pyecharts==2.0.4 -i https://mirrors.aliyun.com/pypi/simple/
pip3 install openpyxl==3.1.3 -i https://mirrors.aliyun.com/pypi/simple/
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 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
# 创建MySQL库
CREATE DATABASE IF NOT EXISTS echarts CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
1
2
3
2
3
# 数据清洗
mkdir -p /data/jobs/project/data/
cd /data/jobs/project/data/
# 上传 "data" 目录下的 "data.xlsx" 文件
# 上传 "data" 目录下的 "stopwords.txt" 文件
cd /data/jobs/project/
# 上传 "data_clean.py" 文件
python3 data_clean.py
1
2
3
4
5
6
7
8
9
10
11
12
13
2
3
4
5
6
7
8
9
10
11
12
13
# 上传文件到hdfs
cd /data/jobs/project/
ls -l output/
hdfs dfs -mkdir -p /data/origin/tourist_info/
hdfs dfs -mkdir -p /data/origin/tourist_word/
hdfs dfs -put -f output/tourist /data/origin/tourist_info/
hdfs dfs -put -f output/tourist_word.csv /data/origin/tourist_word/
hdfs dfs -ls /data/origin/tourist_info/
hdfs dfs -ls /data/origin/tourist_word/
1
2
3
4
5
6
7
8
9
10
11
12
2
3
4
5
6
7
8
9
10
11
12
# spark数据分析
cd /data/jobs/project/
# 打包 "spark-job" 项目
# 打包命令: mvn clean package -Dmaven.test.skip=true
# 上传 "spark-job/target/" 目录下的 "spark-job-jar-with-dependencies.jar" 文件
spark-submit \
--master local[*] \
--class com.exam.SparkApp \
/data/jobs/project/spark-job-jar-with-dependencies.jar
1
2
3
4
5
6
7
8
9
10
11
12
2
3
4
5
6
7
8
9
10
11
12
# 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
# windows本地运行: python app.py
python3 app.py pro
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9