基于spark的B站周榜视频数据分析及预测系统
舟率率 4/10/2026 pythonscalaspringbootflumesqoopjava
# 项目概况
# 数据类型
B站周榜视频数据
# 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、flume1.6.0、sqoop1.4.7
# 开发语言
python、Scala、Java、shell、SQL
# 开发流程
数据预处理(python)->数据上传(hdfs)->数据清洗(mapreduce)->数据分析(hive)->数据分析(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
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 "data" 目录下的 "data.7z" 到当前目录下
# 解压 "data" 目录下的 "bishe.7z" 到当前目录下
# 上传 "project-pyspark-bilibili-vedio-analysis-recommend-system" 整个文件夹 到 "/data/jobs/project/" 目录
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 上传文件到hdfs
cd /data/jobs/project/project-pyspark-bilibili-vedio-analysis-recommend-system/data/
hdfs dfs -mkdir -p /data/input/
hdfs dfs -rm -r /data/input/*
hdfs dfs -put data.txt /data/input/
hdfs dfs -ls /data/input/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 程序打包
cd /data/jobs/project/project-pyspark-bilibili-vedio-analysis-recommend-system/spark_ml/spark-job/
# 对 "spark-job" 目录下的项目 "spark-job" 进行打包
# 打包命令
mvn clean package -DskipTests
1
2
3
4
5
6
7
2
3
4
5
6
7
# spark数据清洗
cd /data/jobs/project/project-pyspark-bilibili-vedio-analysis-recommend-system/spark_ml/spark-job/target/
spark-submit \
--master local[*] \
--class org.example.BilibiliTxtClean \
spark-job.jar /data/input/ /data/bilibili/bilibili_week_cleaned/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 词云分析
cd /data/jobs/project/project-pyspark-bilibili-vedio-analysis-recommend-system/词云/
python3 word_freq_to_mysql.py
1
2
3
4
5
2
3
4
5
# hive数据分析
cd /data/jobs/project/project-pyspark-bilibili-vedio-analysis-recommend-system/数据分析/
# 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 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/project-pyspark-bilibili-vedio-analysis-recommend-system/spark_ml/spark-job/target/
spark-submit \
--master local[*] \
--class org.example.BilibiliHiveMetricsToMySQL \
spark-job.jar /data/bilibili/bilibili_week_cleaned/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 创建MySQL表
cd /data/jobs/project/project-pyspark-bilibili-vedio-analysis-recommend-system/数据迁移/
# 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 bilibili < mysql.sql
1
2
3
4
5
6
7
2
3
4
5
6
7
# 数据导入MySQL
cd /data/jobs/project/project-pyspark-bilibili-vedio-analysis-recommend-system/数据迁移/
sed -i 's/\r//g' sqoop.sh
bash sqoop.sh
1
2
3
4
5
6
2
3
4
5
6
# spark机器学习
cd /data/jobs/project/project-pyspark-bilibili-vedio-analysis-recommend-system/spark_ml/spark-job/target/
spark-submit \
--master local[*] \
--class org.example.BilibiliRankPotentialPredict \
spark-job.jar /data/bilibili_rank_regression_model/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 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