基于spark的淘宝数据分析可视化_基于MySQL
舟率率 11/18/2025 pythonflask
# 项目概况
# 数据类型
天池淘宝用户行为数据
# 开发环境
centos7
# 软件版本
python3.8.18、hadoop3.2.0、spark3.1.2、scala2.12.18、jdk8、mysql5.7.38
# 开发语言
python、scala
# 开发流程
数据上传(hdfs)->数据计算(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://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
# 上传数据到hdfs
mkdir -p /data/jobs/project/
cd /data/jobs/project/
# 上传文件Processed_UserBehavior.csv
# 创建hdfs目录
hdfs dfs -mkdir -p /dataset/
# 清空目录
hdfs dfs -rm -r /dataset/*
# 上传文件到hdfs
hdfs dfs -put Processed_UserBehavior.csv /dataset/
# 确认上传成功
hdfs dfs -ls /dataset/
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
# 数据计算
cd /data/jobs/project/
# 打包命令
mvn clean package -Dmaven.test.skip=true
# 上传jar
spark-submit \
--master local[*] \
--class com.exam.SparkApp \
project-spark-taobao-data-analysis-jar-with-dependencies.jar /dataset/
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
# 数据可视化
cd /data/jobs/project/
# 上传可视化目录的"web"文件夹
python3 web/app.py pro
1
2
3
4
5
6
7
2
3
4
5
6
7