基于hive的出租车数据分析系统flumespark_hive
舟率率 6/1/2026 springbootflumesqoopjava
# 项目概况
# 数据类型
出租车数据
# 开发环境
centos7
# 软件版本
hadoop3.2.0、hive3.1.2、spark3.1.2、mysql5.7.38、jdk8、flume1.6.0、sqoop1.4.7
# 开发语言
Scala、Java、SQL
# 开发流程
数据采集(flume)->数据清洗(spark)->数据分析(hive)->数据存储(mysql)->后端(springboot)->前端(html+js+css)
# 可视化图表
# 操作步骤
# 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/taxi_trip/
mkdir -p /data/jobs/project/taxi_zone_lookup/
cd /data/jobs/project/
# 解压 "data" 目录下的 "data.7z" 到当前目录下
# 上传 "project-hive-taxi-data-analysis" 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flume配置
cd /data/jobs/project/
hdfs dfs -rm -r /data/input/*
yes | cp project-hive-taxi-data-analysis/数据采集/*.conf /data/jobs/project/
# 窗口一执行
/export/software/apache-flume-1.6.0-bin/bin/flume-ng agent -c conf -f /data/jobs/project/taxi_trip.conf -n a1 -Dflume.root.logger = INFO,console
# 窗口二执行
/export/software/apache-flume-1.6.0-bin/bin/flume-ng agent -c conf -f /data/jobs/project/taxi_zone_lookup.conf -n a1 -Dflume.root.logger = INFO,console
1
2
3
4
5
6
7
8
9
10
11
12
2
3
4
5
6
7
8
9
10
11
12
# 复制文件到flume监控的目录
cd /data/jobs/project/
yes | cp project-hive-taxi-data-analysis/data/taxi_zone_lookup.csv /data/jobs/project/taxi_zone_lookup/taxi_zone_lookup.csv
yes | cp project-hive-taxi-data-analysis/data/yellow_tripdata_2020-05.csv /data/jobs/project/taxi_trip/yellow_tripdata_2020-05.csv
# 验证hdfs目录
hdfs dfs -ls /data/input/taxi_trip/
hdfs dfs -ls /data/input/taxi_zone_lookup/
1
2
3
4
5
6
7
8
9
10
2
3
4
5
6
7
8
9
10
# 程序打包
cd /data/jobs/project/project-hive-taxi-data-analysis/
# 对 "project-hive-taxi-data-analysis" 目录下的项目 "project-hive-taxi-data-analysis" 进行打包
# 打包命令
mvn clean package -DskipTests
cd /data/jobs/project/project-hive-taxi-data-analysis/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
8
9
10
11
12
13
2
3
4
5
6
7
8
9
10
11
12
13
# spark数据清洗
cd /data/jobs/project/project-hive-taxi-data-analysis/spark-job/
spark-submit \
--master local[*] \
--class org.example.TaxiPreprocess \
target/spark-job.jar /data/input/ /data/output/
hdfs dfs -ls /data/output/
hdfs dfs -ls /data/output/taxi_trip_preprocess/
hdfs dfs -ls /data/output/taxi_zone_lookup_preprocess/
1
2
3
4
5
6
7
8
9
10
11
12
2
3
4
5
6
7
8
9
10
11
12
# hive数据分析
cd /data/jobs/project/project-hive-taxi-data-analysis/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
beeline -u "jdbc:hive2://master:10000" -n root -f hive.sql
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 创建MySQL表
cd /data/jobs/project/project-hive-taxi-data-analysis/mysql/
# 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 < 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-hive-taxi-data-analysis/mysql/
sed -i 's/\r//g' sqoop.sh
bash sqoop.sh
1
2
3
4
5
6
2
3
4
5
6
# 启动可视化
cd /data/jobs/project/project-hive-taxi-data-analysis/
# 打包 "project-hive-taxi-data-analysis" 项目
# 打包命令: mvn clean package -DskipTests
# 上传 "project-hive-taxi-data-analysis-1.0-SNAPSHOT.jar"
java -jar target/project-hive-taxi-data-analysis-1.0-SNAPSHOT.jar org.example.taxi.Application
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9