基于spark的奔驰汽车数据可视化
舟率率 9/17/2025 pythonscalaflaskdatax
# 项目概况
# 数据类型
汽车之家数据
# 开发环境
centos7
# 软件版本
hadoop3.2.0、hive3.1.2、spark3.1.2、mysql5.7.38、scala2.12.18、jdk8、datax3.0
# 开发语言
Scala、shell、SQL
# 开发流程
数据初始化(mysql)->数据迁移(datax)->数据存储(hdfs)->数仓分层分析(spark/hive)->数据迁移(datax)->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://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install flask==3.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install flask-cors==4.0.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install pymysql==1.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install pyecharts==2.0.4 -i https://pypi.tuna.tsinghua.edu.cn/simple
1
2
3
4
5
6
7
2
3
4
5
6
7
# 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 "project-spark-benz-analysis" 整个文件夹 到 "/data/jobs/project/" 目录
hdfs dfs -mkdir -p /data/qiche/ods/ods_benchi_car_half_year/
hdfs dfs -mkdir -p /data/qiche/ods/ods_benchi_new_car_info/
hdfs dfs -mkdir -p /data/qiche/ods/ods_hefei_er_shou_car_info/
hdfs dfs -mkdir -p /data/qiche/ods/ods_month_car_top/
1
2
3
4
5
6
7
8
9
10
11
2
3
4
5
6
7
8
9
10
11
# 数据初始化到MySQL
cd /data/jobs/project/project-spark-benz-analysis/data/
# 密码:123456
mysql -uroot -p123456 < init.sql
1
2
3
4
5
6
2
3
4
5
6
# 创建hive表
cd /data/jobs/project/project-spark-benz-analysis/hive/
# 快速执行hive.sql
hive -v -f hive.sql
1
2
3
4
5
6
2
3
4
5
6
# mysql数据迁移到hive
cd /data/jobs/project/project-spark-benz-analysis/MySQL数据迁移hive/
sed -i 's/\r//g' mysql_to_hive.sh
bash mysql_to_hive.sh
1
2
3
4
5
6
2
3
4
5
6
# spark数仓分层分析
cd /data/jobs/project/project-spark-benz-analysis/
# 已安装 "jdk8" 和 "maven" 环境
# 打包命令:
mvn clean package -Dmaven.test.skip=true
sed -i 's/\r//g' spark_run.sh
bash spark_run.sh
1
2
3
4
5
6
7
8
9
10
2
3
4
5
6
7
8
9
10
# 创建MySQL表
cd /data/jobs/project/project-spark-benz-analysis/
# 请确认mysql服务已经启动了
# 快速执行.sql文件内的sql语句
mysql -uroot -p123456 car_db < mysql.sql
1
2
3
4
5
6
7
2
3
4
5
6
7
# hive数据导入MySQL
cd /data/jobs/project/project-spark-benz-analysis/hive数据迁移到MySQL/
sed -i 's/\r//g' hive_to_mysql.sh
bash hive_to_mysql.sh
1
2
3
4
5
6
2
3
4
5
6
# 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