基于hive的淘宝宠物用品数据分析可视化大屏

项目概况

数据类型

淘宝宠物用品数据

开发环境

centos7

软件版本

python3.8.18、hadoop3.2.0、hive3.1.2、mysql5.7.38、jdk8

开发语言

python、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 pymysql==1.1.0 -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 pyecharts==2.0.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

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

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

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

准备目录

mkdir -p /data/jobs/project/
cd /data/jobs/project/

# 上传 "data" 目录下的 "tb.csv" 文件

数据预处理

cd /data/jobs/project/

# 上传 data_check.py

python3 data_check.py

head -3 data.csv

上传文件到hdfs

cd /data/jobs/project/

hdfs dfs -mkdir -p /data/input/
hdfs dfs -rm -r /data/input/*
hdfs dfs -put -f data.csv /data/input/
hdfs dfs -ls /data/input/

数据清洗

cd /data/jobs/project/
# 进入mapreduce-job目录下,进行maven打包
# mvn clean package -Dmaven.test.skip=true

hadoop jar mapreduce-job-jar-with-dependencies.jar /data/input/ /data/output/

# 检查预处理结果

hdfs dfs -ls /data/output/
hdfs dfs -cat /data/output/part-r-00000|head -10

hive数据分析

cd /data/jobs/project/

# 上传 "hive数据分析" 目录下的 "hive.sql" 文件

# 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

创建MySQL表

cd /data/jobs/project/

# 上传 "mysql" 目录下的 "mysql.sql" 文件

# 请确认mysql服务已经启动了
# 快速执行.sql文件内的sql语句
mysql -u root -p < mysql.sql

数据导入MySQL

cd /data/jobs/project/

# 上传 "hive数据分析" 目录下的 "sqoop.sh" 文件

sed -i 's/\r//g' sqoop.sh
bash sqoop.sh

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

python3 app.py pro