基于spark的农产品数据分析及价格预测
舟率率 7/25/2025 pythonscalaflask
# 项目概况
# 数据类型
农产品数据
# 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)->明细存储(python)->分词(python)->数据上传(hdfs)->数据分析(spark)->机器学习(python)->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 torch -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install transformers -i https://pypi.tuna.tsinghua.edu.cn/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
# 数据清洗
mkdir -p /data/jobs/project/
cd /data/jobs/project/
# 解压 "数据" 目录下的 "03_data.7z"
# 上传 "数据" 目录下的 "03_data.csv" 文件 到 "/data/jobs/project/" 目录
# 上传 "01_数据处理" 目录下的 "data_clean.py" 文件 到 "/data/jobs/project/" 目录
python3 data_clean.py /data/jobs/project/03_data.csv
# 验证结果
ls -l data.csv
head -10 data.csv
1
2
3
4
5
6
7
8
9
10
11
12
13
14
2
3
4
5
6
7
8
9
10
11
12
13
14
# 明细存储
cd /data/jobs/project/
# 上传 "02_数据存入_明细数据写入mysql" 目录下的 "file_to_db.py" 文件 到 "/data/jobs/project/" 目录
python3 file_to_db.py /data/jobs/project/data.csv
1
2
3
4
5
6
7
2
3
4
5
6
7
# 分词
cd /data/jobs/project/
# 上传 "03_分词统计" 目录下的 "所有" 文件 到 "/data/jobs/project/" 目录
python3 handle_word_cloud.py /data/jobs/project/data.csv
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
# spark数据分析
cd /data/jobs/project/
# 对 项目 "project-spark-farm-product-analysis-predict-sys" 进行打包
# 打包命令: mvn clean package -Dmaven.test.skip=true
# 上传 "project-spark-farm-product-analysis-predict-sys/target" 目录下的 "spark-farm.jar" 文件 到 "/data/jobs/project/" 目录
spark-submit \
--master local[*] \
--class org.example.SparkAnalysis \
/data/jobs/project/spark-farm.jar /data/input/
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
# 机器学习
模型
链接: https://pan.baidu.com/s/1MoADyu3cLrTCaomMG2ldbw?pwd=rvt4 提取码: rvt4
1
2
3
2
3
mkdir /data/jobs/project/bert-base-chinese/
cd /data/jobs/project/bert-base-chinese/
# 下载网盘连接的文件
# 解压 "bert-base-chinese.7z"
# 将解压后的文件上传到 "/data/jobs/project/bert-base-chinese/"
# /data/jobs/project/bert-base-chinese/config.json
# /data/jobs/project/bert-base-chinese/model.safetensors
# /data/jobs/project/bert-base-chinese/special_tokens_map.json
# /data/jobs/project/bert-base-chinese/tokenizer_config.json
# /data/jobs/project/bert-base-chinese/vocab.txt
cd /data/jobs/project/
# 上传 "05_机器学习" 目录下的 "price_ml.py" 文件 到 "/data/jobs/project/" 目录
python3 price_ml.py /data/jobs/project/data.csv
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# 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
# 普通用户: ll
# 普通密码: 12345678
# 管理员用户: admin
# 管理员密码: admin
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
2
3
4
5
6
7
8
9
10
11
12
13
14
15