基于pyspark的淘宝用户购物分析可视化系统_hive
舟率率 3/2/2026 pythonscalaflask
# 项目概况
# 数据类型
# 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
# 开发语言
python、Scala
# 开发流程
数据预处理(python)->数据上传(hdfs)->数据清洗(mapreduce)->数据分析(pyspark)->数据存储(hive)->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
pip3 install pyhive==0.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install thrift==0.21.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install thrift-sasl==0.4.3 -i https://pypi.tuna.tsinghua.edu.cn/simple
1
2
3
4
5
6
7
8
9
10
2
3
4
5
6
7
8
9
10
# 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/
# 解压文件 "data.7z"
# 上传 "data" 文件夹 到 "/data/jobs/project/" 目录
# 上传 "project-pyspark-taobao-user-behavior-analysis-system" 目录下 "所有" 文件/文件夹 到 "/data/jobs/project/" 目录
ls -l /data/jobs/project/data/
1
2
3
4
5
6
7
8
9
10
2
3
4
5
6
7
8
9
10
# spark数据清洗
cd /data/jobs/project/
spark-submit --master local[*] /data/jobs/project/spark/spark_clean.py
hdfs dfs -ls /input/cleaned_user_behavior/
1
2
3
4
5
6
7
2
3
4
5
6
7
# 创建hive表
cd /data/jobs/project/
# 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 /data/jobs/project/db/hive.sql
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# spark数据分析
cd /data/jobs/project/
spark-submit --master local[*] /data/jobs/project/spark/spark_ana_hive.py
1
2
3
4
5
2
3
4
5
# 启动可视化
cd /data/jobs/project/
python3 app.py
# 登录用户名: admin@163.com
# 登录密码: 123456
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8