大数据最新大数据物流项目：概述及Docker入门（一）_物流大数据项目(1)，大数据开发基础教程ppt

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

• 2）、物流行业特点：属于复合型产业，实时产生大量的业务数据，需要关联性分析处理。

• 3）、项目背景介绍：基于上述诉求，需要将快递物流产生相关业务数据，存储到大数据平台引擎中，进行分析（离线报表和实时查询检索）。

• 4）、物流大数据作用

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RadClEeU-1625444773065)(/img/1615516690862.png)]

• 5）、物流大数据应用案例
  • 传统物流行业报表分析，依然需要完成的，统计
  • 大数据应用主要体现在车货匹配、运输路线优化、库存预测、设备修理预测、供应链协同管理等方面

04–[理解]-物流实时大屏系统

​ 从实时OLAP数据库ClickHouse表中读取数据，大屏每隔10秒查询数据库表，将数据展示前端大屏，具体如下图所示：

1615517773800

针对实时大屏来说：

• 1）、大屏展示，如何做的？？NodeJS和Vue
• 2）、数据实时查询，存储在哪里？？？ClickHouse数据库

上述为整个实时大屏展示技术流程图，大家务必记清楚。

05–[理解]-项目核心业务流程

了解针对物流快递行业来说，业务流程是如何进行的：从客户A下单开始，一直到，客户B收到快件结束。

快递业务流程：

• 1）、发货客户：客户下单
• 2）、受理部分：快递员上门取货
• 3）、发货网点仓库：将快递放到网点仓库，其中需要分类处理，等到运输配送
• 4）、中转仓库：可选，只有不能直接送到，经过中转仓库，需要再次配送
• 5）、目的部门：快递经过运输，已经送达到目的地网点，分配给相应派送人员
• 6）、收货客户：收取快递。

06–[理解]-项目逻辑架构

​ 接下来，看一下整个物流项目：逻辑技术架构图，项目中每个步骤使用什么技术，技术选项（为什么选这个技术框架）。

AdHoc：即席查询，即席查询（Ad Hoc）是用户根据自己的需求，灵活的选择查询条件，系统能够根据用户的选择生成相应的统计报表。即席查询与普通应用查询最大的不同是普通的应用查询是定制开发的，而即席查询是由用户自定义查询条件的。

即席查询，在大数据领域中，比较普遍需求，随时依据用户的需求，查询分析海量数据。

在神策数据产品中，用户自定义查询，就是所说的即席查询，底层使用Impala分析引擎。

思考：为什么选择这些技术框架，原因是什么？？？

• 1）、异构数据源：表示业务数据存储到不同系统中，此处仅仅演示2个数据库

• 2）、数据采集平台：物流项目数据采集属于实时增量采集，类似Flume日志数据。

• 3）、数据存储平台

• 4）、数据计算平台：实时查询（Impala和StructuredStreaming、ES）和离线分析（SparkSQL）

• 5）、大数据平台应用

07–[掌握]-项目数据流转及核心业务

任何一个大数据项目，首先数据流转图：项目数据从哪里来的，存储到哪里去，进行什么应用分析。

• 1）、业务服务器（存储业务数据）
  • 物流项目来说，需要将多个业务系统数据，实时采集到大数据框架Kafka中
  • 物流系统Logistics业务数据，存储Oracle数据库
  • CRM客户关系管理系统业务数据，存储MySQL数据库

• 2）、大数据服务器（存储业务数据、分析数据和调度执行）

  • 第一部分功能、离线报表和即席查询

    • 将业务数据实时增量存储数据库：Kudu（类比HBase数据库）
    • SparkSQL分析Kudu表数据，进行离线报表统计
    • Impala查询Kudu表数据，进行即席查询，一对CP组合

  • 第二部分功能：实时大屏展示

    • 将业务数据存储到ClickHouse表中，需要实时查询 ，快速的查询（分组，聚合和排序）
    • 通过服务接口对外提供数据查询功能及数据导出。

  • 第三部分功能：物流信息检索

    • 将核心业务数据（快递单数据和运单数据）存储至Elasticsearch索引中，可以快速检索物流

• 3）、如何将业务数据实时ETL存储到Es、CK或Kudu中呢？？

  • 编写结构化流应用程序，实时从Kafka消费数据，进行ETL转换后，存储到各种存储引擎。

val spark: SparkSession 

spark.readStream.format("kafka").option().load

streamDF.writeStream.format("es/clickhouse/kudu").option().start

08–[理解]-项目技术选型及软件版本

针对每个项目来说，要清楚一点，技术框架选择（为什么选择）。

• 1）、流式处理平台：采用Kafka作为消息传输中间介质

在大数据领域中，主要是实时数据分析，实时数据ETL转换等等，基本上都是从Kafka消费数据。

• 2）、分布式计算平台：分布式计算采用Spark生态

在大数据分析中，可以使用Spark解决问题，就不要考虑Flink框架。

​ 本项目使用Structured Streaming开发实时部分，同时离线计算使用到SparkSQL，而Spark的生态相对于Flink更加成熟，因此采用Spark开发。

为什么不使用SparkStreaming进行实时数据ETL转换存储呢？？而是使用StructuredStreaming...

• 3）、海量数据存储

  • ETL后的数据存储到Kudu中，供实时、准实时查询、分析

  Kudu数据库，提供HBase数据库：随机读写数据；提供HDFS文件系统功能：批量快速加载数据

• Elastic Search作为单据数据的存储介质，供顾客查询订单信息

• ClickHouse作为实时数据的指标计算存储数据库，进行大屏展示数据查询和数据接口

  • ClickHosue数据库目前国内使用最为广泛之一OLAP分析数据库，诞生5年时间
    • https://zhuanlan.zhihu.com/p/98135840
  • 接口：往往就是URL地址，拼接参数数据，进行HTTP请求，将数据以JSON格式返回。
  • 比如：获取用户访问网站IP地址，解析IP地址，获取省份和城市信息，需要请求高德地主APL

http://restapi.amap.com/v3/ip?key=e34eb745a49cd9907f15d96418c4f9c0&ip=116.30.197.230

框架软件版本：主要基于CDH 6.2.1版本（版本较新），将来编写简历时，此版本不可用

使用CM安装CDH，采集单机部署，提供node2.itcast.cn虚拟机上，全部安装完毕，无需到操作。

新框架：Kudu和Impala都属于CDH产品，由于都是Cloudera公司开发的框架。

09–[理解]-项目非功能描述

​ 在实际项目开发中，除了依据业务开发应用（实时ETL数据转换、报表分析、即席查询等）之外，比如集群规模、业务数据量、开发团队人员配置等等。

编写简历时，每个项目【非功能描述】准备好，牢记于心。

• 1）、框架版本选型

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

编写简历时，每个项目【非功能描述】准备好，牢记于心。

• 1）、框架版本选型

[外链图片转存中…(img-4nFMxcQZ-1715448275103)]
[外链图片转存中…(img-1qrHCvC3-1715448275104)]
[外链图片转存中…(img-mwKiBCuV-1715448275104)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取