王者荣耀游戏账号价格因素分析及预测
舟率率 7/18/2025 pythonscalamapreduceflasksqoopjava
# 项目概况
# 数据类型
王者荣耀游戏账号价格数据
# 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
数据上传(hdfs)->数据清洗(mapreduce)->数据探索(python)->数据分析(hive)->机器学习(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 pyecharts==2.0.4 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install scikit-learn==1.3.2 -i https://pypi.tuna.tsinghua.edu.cn/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/
# 解压 "data" 目录下的 "data.7z" 文件
# 上传 "data" 目录下的 "data.csv" 文件 到 "/data/jobs/project/" 目录
1
2
3
4
5
6
7
2
3
4
5
6
7
# 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 data.csv /data/input/
hdfs dfs -ls /data/input/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 程序打包
cd /data/jobs/project/
# 对 "数据预处理" 目录下的项目 "mapreduce-job" 进行打包
# 打包命令: mvn clean package -Dmaven.test.skip=true
# 上传 "mapreduce-job/target/" 目录下的 "mapreduce-job-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
# 数据预处理
cd /data/jobs/project/
hadoop jar mapreduce-job-jar-with-dependencies.jar /data/input/ /data/output/
# 检查预处理结果
hdfs dfs -ls /data/output/
hdfs dfs -cat /data/output/part-r-00000|head -1
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 数据探索
cd /data/jobs/project/
# 上传 "数据探索" 目录下的 "data_check.py" 文件 到 "/data/jobs/project/" 目录
# 下载hdfs文件
hdfs dfs -get -f /data/output/part-r-00000 .
head -1 part-r-00000
# 孤立森林算法检测异常值
python3 data_check.py
# 清洗结果上传到hdfs
hdfs dfs -mkdir -p /data/check/
hdfs dfs -rm -r /data/check/*
hdfs dfs -put 000000_0 /data/check/
hdfs dfs -ls /data/check/
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# hive数据分析
cd /data/jobs/project/
# 上传 "hive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
1
2
3
4
5
6
7
8
9
10
11
2
3
4
5
6
7
8
9
10
11
# 创建MySQL表
cd /data/jobs/project/
# 上传 "mysql" 目录下的 "mysql.sql" 文件 到 "/data/jobs/project/" 目录
# 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
8
9
2
3
4
5
6
7
8
9
# 数据导入MySQL
cd /data/jobs/project/
# 上传 "mysql" 目录下的 "sqoop.sh" 文件 到 "/data/jobs/project/" 目录
sed -i 's/\r//g' sqoop.sh
bash sqoop.sh
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# spark预测
cd /data/jobs/project/
# 对 "spark" 目录下的项目 "spark-job" 进行打包
# 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 到 "/data/jobs/project/" 目录
spark-submit \
--master local[*] \
--class com.exam.SparkMLApp \
/data/jobs/project/spark-job-jar-with-dependencies.jar /data/output/
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
# 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
# 用户名: admin
# 密码: admin123
1
2
3
4
5
6
7
8
9
10
11
2
3
4
5
6
7
8
9
10
11