目录
前言
在本篇博客中,将介绍如何使用Python模拟生成新能源车辆数据,并将数据写入HDFS(Hadoop分布式文件系统)中。这样的数据生成和存储过程可以用于各种数据分析和机器学习任务。
本篇博客仅供参考,更多的是自己的学习心得和笔记,希望可以对其他人有帮助。
一、基本要求
- 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)。
1、最终部署时,要将这些数据写到第一题的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)。
二、准备虚拟机
下载教程可在网上搜索一下~