基于Flink的当当网畅销图书榜单数据分析及可视化
舟率率 11/7/2025 pythonflask
# 项目概况
# 数据类型
当当网畅销图书排行榜单数据
# 开发环境
centos7
# 软件版本
python3.8.18、hadoop3.2.0、flink1.14.6、mysql5.7.38、jdk8
# 开发语言
python、Java
# 开发流程
数据清洗(python)->数据上传(hdfs)->数据分析(flink)->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 pyecharts==2.0.4 -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 jieba==0.42.1 -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 -uroot -p123456
1
2
3
4
5
6
2
3
4
5
6
# 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flink
# 启动
/export/software/flink-1.14.6/bin/start-cluster.sh
# 关闭
/export/software/flink-1.14.6/bin/stop-cluster.sh
1
2
3
4
5
6
7
2
3
4
5
6
7
# 数据清洗
mkdir -p /data/jobs/project/output/
cd /data/jobs/project/
# 上传 data/当当畅销榜图书数据.csv
# 上传 data_clean.py
mv 当当畅销榜图书数据.csv output/
python3 /data/jobs/project/data_clean.py
1
2
3
4
5
6
7
8
9
10
2
3
4
5
6
7
8
9
10
# 数据上传
cd /data/jobs/project/
hdfs dfs -mkdir -p /data/origin/dangdang_book/
hdfs dfs -rm -r /data/origin/dangdang_book/*
hdfs dfs -put -f output/result.csv /data/origin/dangdang_book/
hdfs dfs -ls /data/origin/dangdang_book/
1
2
3
4
5
6
7
2
3
4
5
6
7
# MySQL建表
cd /data/jobs/project/
# 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 -p123456 < mysql.sql
1
2
3
4
5
6
7
2
3
4
5
6
7
# 数据分析
# 对 "project-dangdang-book-analysis" 目录下的项目 "flink-job" 进行打包
# 打包命令: mvn clean package -Dmaven.test.skip=true
# 打包完成后,上传 "flink-job/target/" 目录下的 "flink-job.jar" 文件 到 "/data/jobs/project/" 目录
cd /data/jobs/project/
flink run -c org.example.Main flink-job.jar
# 若要在本地运行,需要删除以下内容:
# <exclude>org.apache.flink:flink-java</exclude>
# <exclude>org.apache.flink:flink-core</exclude>
# <exclude>org.apache.flink:flink-clients_${scala.version}</exclude>
# <exclude>org.apache.flink:flink-table-planner_${scala.version}</exclude>
# <exclude>org.apache.flink:flink-table-api-java-bridge_${scala.version}</exclude>
# <exclude>org.apache.flink:flink-table-common</exclude>
# <exclude>org.codehaus.janino:janino</exclude>
# <exclude>org.codehaus.janino:commons-compiler</exclude>
# <exclude>org.codehaus.commons-compiler:commons-compiler</exclude>
# <scope>${scope.type.provided}</scope>
# 若要在本地运行,需要修改以下内容:
# 改为本地文件路径
# hdfs://master:9000/data/origin/dangdang_book/
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# 启动可视化
mkdir -p /data/jobs/project/myapp/
cd /data/jobs/project/myapp/
# 将"可视化"目录下的文件上传到myapp目录下
# windows本地运行 python3 app.py
python3 app.py pro
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9