基于spark的英雄联盟游戏数据分析及可视化
舟率率 6/28/2026 pythonscalaspringbootflumesqoopjava
# 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、sqoop1.4.7
# 开发语言
python、Scala、Java、shell、SQL
# 开发流程
数据转换(python)->数据上传(hdfs)->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
# python安装包
pip3 install pandas==2.0.3 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install openpyxl==3.1.5 -i https://pypi.tuna.tsinghua.edu.cn/simple/
1
2
3
4
2
3
4
# 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/data/
cd /data/jobs/project/
# 上传 "project-pyspark-league-data-analysis" 整个文件夹 到 "/data/jobs/project/" 目录
# 上传 "league_data.xlsx" 文件 到 "/data/jobs/project/" 目录
ls league_data.xlsx
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 文件转换
cd /data/jobs/project/project-pyspark-league-data-analysis/文件转换/
python3 xlsx2csv.py /data/jobs/project/league_data.xlsx /data/jobs/project/league_data.txt
head -5 /data/jobs/project/league_data.txt
1
2
3
4
5
6
7
2
3
4
5
6
7
# flume采集
# 启动flume
cd /export/software/apache-flume-1.6.0-bin/
bin/flume-ng agent -c conf -f /data/jobs/project/project-pyspark-league-data-analysis/flume/source_dir_sink_hdfs.conf -n a1 -Dflume.root.logger=INFO,console
# 删除dfs文件,防止重复
hdfs dfs -rm -r /data/input/*
# 复制文件
yes | cp /data/jobs/project/league_data.txt /data/jobs/project/data/data_$(date +%Y%m%d%H%M%S)
# 验证flume是否成功采集到数据
hdfs dfs -ls /data/input/
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
# 程序打包
cd /data/jobs/project/project-pyspark-league-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
cd /data/jobs/project/project-pyspark-league-data-analysis/lol-data-visualization/
# 对 "lol-data-visualization" 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-pyspark-league-data-analysis/spark-job/
spark-submit \
--master local[*] \
--class DataCleaner \
target/spark-job.jar /data/input/ /user/hive/warehouse/lol_data_analysis.db/dwd_league_clean_data/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# hive数据分析
cd /data/jobs/project/project-pyspark-league-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-pyspark-league-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-pyspark-league-data-analysis/
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-pyspark-league-data-analysis/lol-data-visualization/
java -jar target/lol-data-visualization-1.0-SNAPSHOT.jar com.lol.LolDataApplication
1
2
3
4
5
2
3
4
5