概要
题目如下:
编写一个程序,每天凌晨3点模拟生成当天的新能源车辆数据(字段信息必须包含:车架号、行驶总里程、车速、车辆状态、充电状态、剩余电量SOC、SOC低报警、数据生成时间等)。
要求:1、最终部署时,要将这些数据写到HDFS中。
2、车辆数据要按天存储,数据格式是JSON格式,另外如果数据文件大于100M,
则另起一个文件存。每天的数据总量不少于300M。比如假设程序是2023-01-1 03点运行,
那么就将当前模拟生成的数据写入到HDFS的/can_data/2023-01-01文件夹的
can-2023-01-01.json文件中,写满100M,则继续写到can-2023-01-01.json.2文件中,依次类推;
3、每天模拟生成的车辆数据中,必须至少包含20辆车的数据,即要含有20个车架号(一个车架号表示一辆车,用字符串表示);
4、每天生成的数据中要有少量(20条左右)重复数据(所有字段都相同的两条数据则认为是重复数据),且同一辆车的两条数据的数据生成时间间隔两秒;
5、每天生成的数据中要混有少量前几天的数据(即数据生成时间不是当天,而是前几天的)。
整体架构流程
知道了题目,我们来分析一下实现步骤:
1.先创建多个函数,比如函数 random_vin 用来生成随机车架号,函数 rando_mileage 生成随机行驶公里程,之后新建空列表,建一个整合函数用来获取和拼接各车辆信息函数生成的数据,最 终形成一个完整的车辆数据
2.根据要求套用做好的整合函数,生成满足格式的数据,最后将数据导入建好的hdfs里面。
一、整合函数的组成和解析
- 第一步我们先导入所需库:radar(实现随机或指定日期时间)random(生成随机数)time(获取时间戳)pyhdfs(json数据存入hdfs)
import random
import time
import radar
import pyhdfs
- 生成随机车架号函数
- 生成随机公里数
- 生成随机车速
- 生成随机车辆状态
- 生成随机充电状态
- 生成随机剩余电量
-
生成随机行驶时间函数
- 生成随机soc函数
- 整合函数(拼接之前的函数生成完整数据)
二、生成今天的数据100条
刚才我们已经创建好可以生成1条完整的函数了,那么只需控制数量便可完成要求
三、生成有重复值的数据、非今天日期的数据
这个也可通过配合导入库的函数来进行解决,代码如下:
四、将数据存入hdfs
题目要求如图:
所以我们要用到导入hdfs的 pyhdfs 库,而且要设置主机号、端口号等信息,具体代码如下:
小结
我们的任务到这里就算是结束了,从设置一个随机车架号到最终完成所有要求,并存储到hdfs的全过程都在这里了,大家多看见几遍就会理解了,最后附上完整代码
import random
import time
import radar
def random_vin():
# 随机生成车架号
content_map = {
'A': 1, 'B': 2, 'C': 3, 'D': 4, 'E': 5,
'F': 6, 'G': 7, 'H': 8, 'I': 0, 'J': 1, 'K': 2, 'L': 3,
'M': 4, 'N': 5, 'O': 0, 'P': 7, 'Q': 8, 'R': 9, 'S': 2, 'T': 3,
'U': 4, 'V': 5, 'W': 6, 'X': 7, 'Y': 8, 'Z': 9, "0": 0, "1": 1,
"2": 2, "3": 3, "4": 4, "5": 5, "6": 6, "7": 7, "8": 8, "9": 9
}
# 位置的全值
location_map = [8, 7, 6, 5, 4, 3, 2, 10, 0, 9, 8, 7, 6, 5, 4, 3, 2]
vin = ''.join(random.sample('0123456789ABCDEFGHJKLMPRSTUVWXYZ', 17))
num = 0
for i in range(len(vin)):
num = num + content_map[vin[i]] * location_map[i]
vin9 = num % 11
if vin9 == 10:
vin9 = "X"
list1 = list(vin)
list1[8] = str(vin9)
vin = ''.join(list1)
return vin
def rando_mileage():
# 随机生成行驶总里程
mileage = round(random.uniform(1000, 100000), 2)
return mileage
def random_car_speed():
# 随机生成车速
car_speed = round(random.uniform(0, 200), 2)
return car_speed
def random_state():
# 随机生成车辆状态
state = ['start', "unstart"]
return random.sample(state, 1)[0]
def random_charge_state():
# 随机生成充电状态 充电:放电:空闲
state = ['recharge', "discharge", "leisure"]
return random.sample(state, 1)[0]
def random_dump_energy():
# 随机生成剩余电量SOC
return round(random.uniform(0, 100), 2)
def random_time(datetimestr):
# 随机生成时间
# 转换成时间数组
return datetimestr
def random_soc():
# 随机生成soc
state = ['no', "yes"]
return random.sample(state, 1)[0]
# 随机生成前几天时间
def random_otherday_time(start, end):
'''
start:起始时间
end:终止时间
"2023-06-01T03:00:00","2023-06-29T03:00:00"
'''
otherDay_time = radar.random_datetime(start, end)
return otherDay_time.strftime('%Y-%m-%d %H:%M:%S')
def generated_data(datetimeStr, number):
'''
生成数据
datetimeStr: 需要生成的日期时间
number: 生成数据条数
'''
data = []
# 需要生成数据条数
'''
车架号:vin 行驶总里程:mileage 车速:car_speed
车辆状态:state 充电状态:charge_state 剩余电量:dump_energy
SOC低报警:soc 数据生成时间:time
'''
for i in range(number):
values = {"vin": random_vin(), "mileage": rando_mileage(), "car_speed": random_car_speed(),
"state": random_state(),
"charge_state": random_charge_state(), "dump_energy": str(random_dump_energy()) + "%",
"soc": random_soc(),
"time": random_time(datetimeStr)}
# print(values)
# 时间戳+2,数据生成时间离上条数据间隔2秒
# 转换成时间数组
timeArray = time.strptime(datetimeStr, "%Y-%m-%d %H:%M:%S")
# 转换成时间戳
timeStamp = time.mktime(timeArray)
timeStamp += 2
# 转换成localtime
time_local = time.localtime(timeStamp)
# 转换成新的时间格式(2016-05-05 20:28:54)
datetimeStr = time.strftime("%Y-%m-%d %H:%M:%S", time_local)
data.append(values)
return data
if __name__ == '__main__':
result = []
duplicate_data = []
# 今天时间
today_time = "2023-06-30 03:00:00"
# 生成今天的数据100条
data = generated_data(today_time, 100000)
# 每天生成的数据中要有少量(20条左右)重复数据(所有字段都相同的两条数据则认为是重复数据)
for i in range(20):
duplicate_data.append(data[random.randrange(0, len(data))])
# 把获取到的数据添加到data后面即可出现重复数据
result = data + duplicate_data
# 每天生成的数据中要混有少量前几天的数据,这里生成10条6月1到6月30的数据
other_count = 10
for i in range(other_count):
otherday = random_otherday_time("2023-06-01T03:00:00", "2023-06-29T03:00:00")
other_data = generated_data(otherday, 1)
result += other_data
# 车辆数据要按天存储,数据格式是JSON格式,另外如果数据文件大于100M,则另起一个文件存。
# 每天的数据总量不少于300M。比如假设程序是2023-01-1 03点运行,那么就将当前模拟生成的数据
# 写入到HDFS的/can_data/2023-01-01文件夹的can-2023-01-01.json文件中,
# 写满100M,则继续写到can-2023-01-01.json.2文件中,依次类推;
import pyhdfs
# 创建连接
fs = pyhdfs.HdfsClient(hosts="192.168.116.3:50070", user_name="root")
# 写入文件的今天时间
today_time2 = today_time[:10]
path = "/can_data/" + today_time2 + "/can-" + today_time2 + ".json"
fs.create(path, "")
j = 1
for i in range(len(result)):
# 检测到文件大于等于100M,切换文件继续继续存储
if (fs.get_file_status(path).length) <= 1024 * 1024 * 100:
fs.append(path, str(result[i]) + ",")
else:
path = "/can_data/" + today_time2 + "/can-" + today_time2 + ".json.%d" % j
fs.create(path, "")
j += 1