基于spark的基于可穿戴设备运动数据预测_hive数据库
舟率率 7/18/2025 pythonscalaflask
# 项目概况
spark_handle_hive (opens new window)
# 数据类型
可穿戴设备运动数据
# 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
# 开发语言
python、Scala
# 开发流程
数据上传(hdfs)->数据分析(spark)->机器学习(spark)->数据存储(hive)->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 pymysql==1.1.0 -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 impyla -i https://mirrors.aliyun.com/pypi/simple/
pip3 install flask-restful==0.3.10 -i https://mirrors.aliyun.com/pypi/simple/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 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 "data" 目录下的 "wearable_sensor_data.csv" 文件/文件夹 到 "/data/jobs/project/" 目录
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 wearable_sensor_data.csv /data/input/
hdfs dfs -ls /data/input/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# hive存储建表
cd /data/jobs/project/
# 上传 "数据分析" 目录下的 "hive.sql" 文件 到 "/data/jobs/project/" 目录
# 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
# use hdfs;
# SELECT * FROM health_predict limit 10;
# SELECT * FROM ads_activity_avg_metrics limit 10;
# SELECT * FROM ads_heart_rate_activity_frequency limit 10;
# SELECT * FROM ads_activity_type_level_percentage limit 10;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 程序打包
cd /data/jobs/project/
# 对 "project-spark-sport-device-data-predict" 目录下的项目 "project-spark-sport-device-data-predict" 进行打包
# 打包命令: mvn clean package -Dmaven.test.skip=true
# 上传 "project-spark-sport-device-data-predict/target/" 目录下的 "project-spark-sport-device-data-predict-jar-with-dependencies.jar" 文件 到 "/data/jobs/project/" 目录
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# spark数据分析
cd /data/jobs/project/
spark-submit \
--master local[*] \
--class org.example.demo.SparkAnalysis \
/data/jobs/project/project-spark-sport-device-data-predict-jar-with-dependencies.jar /data/input/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 机器学习
cd /data/jobs/project/
spark-submit \
--master local[*] \
--class org.example.demo.Main \
/data/jobs/project/project-spark-sport-device-data-predict-jar-with-dependencies.jar /data/input/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 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 到 "/data/jobs/project/" 目录
# 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