助力工业物联网，工业大数据项目介绍及环境构建【一、二】

置顶 AI_Maynor

已于 2023-09-22 16:50:52 修改

阅读量3.1k

点赞数 7

分类专栏： # 大数据工业物联网项目文章标签：大数据物联网

于 2022-11-28 15:53:05 首次发布

本文链接：https://blog.csdn.net/xianyu120/article/details/128081267

版权

大数据工业物联网项目专栏收录该内容

45 篇文章 15 订阅

订阅专栏

工业大数据项目介绍及环境构建

01：专栏目标

项目目标
- 项目1：在线教育
  - 学习如何做项目，项目中大数据工程师要负责实现的内容和流程
  - 学习数仓基础理论：建模、分层
- 项目2：工业大数据
  - 企业中项目开发的落地：代码开发
    - 代码开发：SQL【DSL + SQL】
      - SparkCore
      - SparkSQL
  - 数仓的一些实际应用：分层体系、建模实现
内容目标
- 项目业务介绍：背景、需求
- 项目技术架构：选型、架构
- 项目环境测试

02：项目背景

目标：了解项目应用背景
实施
- 工业
  - 产业分类
    - 第一产业：植业、林业、畜牧业、水产养殖业等直接以自然物为生产对象的产业
    - 第二产业：工业、建筑业
    - 第三产业：交通运输业、通讯产业、商业、餐饮业、金融业、教育产业
  - 定义：属于第二产业，指的是采集原料，并把它们加工成产品的工作和过程
  - 划分
    - 开采业：对自然资源的开采，对采矿、晒盐、森林采伐等
    - 加工业：粮油加工、食品加工、轧花、缫丝、纺织、制革等
    - 制造业：炼铁、炼钢、化工生产、石油加工、机器制造、木材加工等，以及电力、自来水、煤气的生产和供应等
    - 机修业：对工业品的修理、翻新，如机器设备的修理、交通运输工具的修理等
- 物理网：IOT（Internet Of Things）
  - 定义：指的是互联网、传统电信网等信息承载体，让所有能行使独立功能的普通物体实现互联互通的网络
  - 特点
    - 物物相连
    - 远程监控和设备控制
    - 设备自动化，提升用户体验
    - 设备故障分析处理
  - 场景
    - 智能设备：手机、平板、手表、眼镜、汽车
    - 智能家居：门、空调、洗衣机、水壶、窗帘、灯具、马桶、牙刷
    - 智能机器人：语音助手、家庭管家、工业机器手臂、快递机器人
    - ……
- 工业物联网：IIOT（Industrial Internet of Things）
  - 定义：指数以亿计的工业设备，在这些设备上装置传感器，连接到网络以收集和共享数据
  - 发展
    - IDC预测，到2024年全球物联网的联接量将接近650亿，是手机联接量的11.4倍
小结
了解项目应用背景

03：项目需求

目标：掌握项目业务需求
- 这个项目属于哪个行业？
- 为什么要做这个项目？
- 这个项目的目的是什么？
实施
- 项目行业：工业大数据
- 项目名称：加油站服务商数据运营管理平台
  - 中石化，中石油，中海油、壳牌，道达尔……
- 整体需求
```
基于加油站的设备安装、维修、巡检、改造等数据进行统计分析
支撑加油站站点的设备维护需求以及售后服务的呼叫中心数据分析
提高服务商服务加油站的服务质量
保障零部件的仓储物流及供应链的需求
实现服务商的所有成本运营核算
```
- 具体需求
  - 运营分析：呼叫中心服务单数、设备工单数、参与服务工程师个数、零部件消耗与供应指标等
  - 设备分析：设备油量监控、设备运行状态监控、安装个数、巡检次数、维修次数、改造次数
  - 呼叫中心：呼叫次数、工单总数、派单总数、完工总数、核单次数
  - 员工分析：人员个数、接单次数、评价次数、出差次数
  - 报销统计分析、仓库物料管理分析、用户分析
- 报表
小结
这个项目属于哪个行业？
- 工业化大数据平台
- 行业：加油站服务商运营数据分析平台
- 为什么要做这个项目？
  - 基于所有设备的安装、维修、巡检、改造的工单数据，辅助公司的运营，提高服务质量，做合理的成本预算
- 这个项目具体需求是什么？
  - 提高服务质量，做合理的成本预算
  - 需求一：对所有工单进行统计分析
    - 安装工单、维修工单、巡检工单、改造工单、回访分析
  - 需求二：付费分析、报销分析
    - 安装人工费用、安装维修材料费用、差旅交通费用

04：业务流程

目标：掌握加油站设备维护的主要业务流程
实施
- step1：加油站服务商联系呼叫中心，申请服务：安装/巡检/维修/改造加油机
- step2：呼叫中心联系对应服务站点，分派工单：联系站点主管，站点主管分配服务人员
- step3：服务人员确认工单和加油站点信息
- step4：服务人员在指定日期到达加油站，进行设备检修
- step5：如果为安装或者巡检服务，安装或者巡检成功，则服务完成
- step6：如果为维修或者改造服务，需要向服务站点申请物料，物料到达，实施结束，则服务完成
- step7：服务完成，与加油站站点服务商确认服务结束，完成订单核验
- step8：工程师报销过程中产生的费用
- step9：呼叫中心会定期对该工单中的工程师的服务做回访
小结
- 掌握加油站设备维护的主要业务流程
- 工单分析、费用分析、物料分析、回访分析

05：技术选型

目标：掌握加油站服务商数据运营平台的技术选型
实施
- 数据生成：业务数据库系统
  - Oracle：工单数据、物料数据、服务商数据、报销数据等
- 数据采集
  - Sqoop：离线数据库采集
- 数据存储
  - Hive【HDFS】：离线数据仓库【表】
- 数据计算
  - SparkCore：类MR开发方式【写代码调用方法函数来处理：面向对象 + 面向函数】
    - 对非结构化数据进行代码处理
    - 场景：ETL
  - SparkSQL：类HiveSQL开发方式【面向表】
    - 对数据仓库中的结构化数据做处理分析
    - 场景：统计分析
    - 开发方式
      - DSL：使用函数【DSL函数 + RDD函数】
      - SQL：使用SQL语句对表的进行处理
    - 功能：离线计算 + 实时计算
  - 注意：SparkSQL可以解决所有场景的分布式计算，离线计算的选型不仅仅是SparkSQL
    - SparkSQL/Impala/Presto
  - 使用方式
    - Python/Jar：spark-submit
      - ETL
    - ThriftServer：SparkSQL用于接收SQL请求的服务端，类似于Hive的Hiveserver2
      - PyHive :Python连接SparkSQL的服务端，提交SQL语句
      - JDBC：Java连接SparkSQL的服务端，提交SQL语句
      - spark-sql -f ：运行SQL文件，类似于hive -f
      - beeline：交互式命令行，一般用于测试
- 数据应用
  - MySQL：结果存储
  - Grafana：数据可视化工具
- 监控工具
  - Prometheus：服务器性能指标监控工具
- 调度工具
  - AirFlow：任务流调度工具
- 技术架构
小结
- 本次项目的技术架构是什么？
  - Lambda架构：离线计算层 + 实时计算层 + 数据服务层
- 项目中用到了哪些技术？
  - 数据生成：Oracle
  - 数据采集：Sqoop
  - 数据存储：Hive
  - 数据处理：SparkSQL
  - 数据应用：MySQL + Grafana
  - 数据监控：Prometheus
  - 任务调度：AirFlow
  - 版本控制：Git + Gitee
  - 资源容器：Docker

06：Docker的介绍

目标：了解Docker的基本功能和设计
- 为什么要用Docker？
- 什么是Docker？
路径
- step1：生产环境的问题
- step2：容器的概念
- step3：Docker的设计
实施
- 生产环境的问题
  - 运维层面：一台机器上的应用太多，不同的环境，安装过程也不一样，管理麻烦，怎么办？
  - 开发层面：不同程序的运行受到环境、资源等因素的干扰，不同的环境，开发的方式也不一样，怎么办？
- 容器的概念
  - 硬件容器：将一个硬件虚拟为多个硬件，上层共用硬件
    - VMware WorkStation
- 应用容器：将一个操作系统虚拟为多个操作系统，不同操作系统之间互相隔离
Docker
Docker的设计
- 定义：Docker是一个开源的应用容器引擎，使用GO语言开发，基于Linux内核的cgroup，namespace，Union FS等技术，对应用程序进行封装隔离，并且独立于宿主机与其他进程，这种运行时封装的状态称为容器。
  - 目标
    - 提供简单的应用程序打包工具
  - 开发人员和运维人员职责逻辑分离
- 多环境保持一致性,消除了环境差异
- 功能：“Build，Ship and Run Any App，Anywhere”
  - 通过对应用组件的封装，分发，部署，运行等生命周期的管理，达到应用组件级别的一次封装，多次分发，到处部署
- 架构
- 组成
  - 宿主机：安装Docker的那台实际的物理机器
  - docker client 【客户端】：用于连接服务端，提交命令给服务端
```
#拉取镜像
docker pull ……
#启动容器
docker run ……
#进入容器
docker exec ……
#查看容器
docker ps ……
```
  - docker daemon【服务端】：用于接收客户端请求，实现所有容器管理操作
  - docker image【镜像】：用于安装APP的软件库，简单点理解为软件的安装包
  - docker container 【容器】：用于独立运行、隔离每个APP的单元，相当于每个独立的Linux系统
小结
- 了解Docker的基本功能和设计

07：Docker的网络

目标：了解Docker的网络管理设计
- Docker的
路径
- step1：问题
- step2：模式
- step3：选型
实施
- 问题
  - Docker的本质在一个操作上虚拟了多个操作系统出来，那每个操作之间如何进行网络通信呢？
- 模式
  - host模式：每个虚拟系统与主机共享网络，IP一致，用不同端口区分不同虚拟系统
  - container模式：第一个容器构建一个独立的虚拟网络，其他的容器与第一个容器共享网络

- **none模式**：允许自定义每个容器的网络配置及网卡信息，每个容器独立一个网络

- **bridge模式**：构建虚拟网络桥，所有容器都可以基于网络桥来构建自己的网络配置

选型
- 本次项目中使用bridge模式，类似于VM中的Net模式使用

管理

了解即可，不用操作

创建

docker network create --subnet=172.33.0.0/24 docker-bd0

查看模式
```
docker network ls
```
删除
```
docker network rm ……
```

小结
- 了解Docker的网络管理设计

08：Docker的使用

目标：了解docker的基本使用
路径
- step1：docker管理
- step2：image管理
- step3：container管理

实施

docker管理
- 默认开机自启
- 了解即可，不用操作
- 启动服务
```
systemctl start docker
```
- 查看状态
```
systemctl status docker
```
- 关闭服务
```
systemctl stop docker
```

image管理

了解即可，不用操作

添加镜像

docker pull registry.cn-hangzhou.aliyuncs.com/helowin/oracle_11g

列举镜像
```
docker images
```
移除镜像
```
docker rmi ……
```

container管理

熟悉常用操作

创建并启动container：不用做

docker run --net docker-bd0 --ip 172.33.0.100 -d -p 1521:1521 --name oracle 3fa112fd3642

run = create + start

列举container

#列举所有的
docker ps -a
#列举正在运行的
docker ps

进入container
```
docker exec -it Name bash
```
退出container
```
exit
```
删除container
```
docker rm ……
```

小结
- 了解docker的基本使用

09：Oracle的介绍

目标：了解Oracle工具的基本功能和应用场景
路径
- step1：数据库分类
- step2：Oracle的介绍
实施
- 数据库分类
  - RDBMS：关系型数据库管理系统
    - 工具：MySQL、Oracle、SQL Server……
    - 应用：业务性数据存储系统：事务和稳定性
    - 特点：体现数据之间的关系，支持事务，保证业务完整性和稳定性，小数据量的性能也比较好
    - 开发：SQL
  - NoSQL：Not Only SQL：非关系型数据库
    - 工具：Redis、HBASE、MongoDB……
    - 分类：KV、文档、时序、图……
    - 应用：一般用于高并发高性能场景下的数据缓存或者数据库存储
    - 特点：读写速度特别快，并发量非常高，相对而言不如RDBMS稳定，对事务性的支持不太友好
    - 开发：每种NoSQL都有自己的命令语法
- Oracle的介绍
  - 概念：甲骨文公司的一款关系数据库管理系统
    - Oracle在古希腊神话中被称为“神谕”，指的是上帝的宠儿
    - 在中国的商周时期，把一些刻在龟壳上的文字也称为上天的指示，所以在中国Oracle又翻译为甲骨文
    - Oracle是现在全世界最大的数据库提供商，编程语言提供商，应用软件提供商，它的地位等价于微软的地位
  - 分类：RDBMS，属于大型RDBMS数据库
    - 大型数据库：IBM DB2、Oracle、Sybase
    - 中型数据库：SQL Server、MySQL、Informix、PostgreSQL
    - 小型数据库：Access、Visual FoxPro、SQLite
  - 功能：实现大规模关系型数据存储
  - 特点
    - 功能全面：数据字典、动态性能视图、TRACE跟踪、AWR、ASH、SQL Monitor等
    - 性能优越：支持SQL大量的表连接、子查询、集合运算，长度可达上千行
    - 数据量大：相比较于其他的数据库，Oracle支持千万级别以上的数据高性能存储
    - 高可靠性：基于Oracle自带的RAC架构下，可靠性和稳定性相对比较高
  - 综合排名
  - 应用
    - 中国各大银行、电信、政府单位等机构所有系统
  - 趋势
    - 去IOE【IBM服务器、Oracle数据库、EMC存储】
小结
- 了解Oracle工具的基本功能和应用场景

10：集群软件规划

目标：了解项目的集群软件规划

实施

172.33.0.100    oracle.bigdata.cn
172.33.0.110    sqoop.bigdata.cn
172.33.0.121    hadoop.bigdata.cn
172.33.0.131    hive.bigdata.cn
172.33.0.133    spark.bigdata.cn

小结
- 了解项目的集群软件规划

11：项目环境导入

目标：实现项目虚拟机的导入
实施
- step1：导入：找到OneMake虚拟机中以.vmx结尾的文件，使用VMware打开
- step2：启动：启动导入的虚拟机，选择我已移动该虚拟机

step3：登陆：登陆到虚拟机内部，或者使用远程工具连接
- 默认IP：192.168.88.100
- 主机名：node1
- 用户名：root
- 密码：123456
小结
- 实现项目虚拟机的导入

12：项目环境配置

目标：根据需求实现项目环境配置
实施
- 注意：所有软件Docker、Hadoop、Hive、Spark、Sqoop都已经装好，不需要额外安装配置，启动即可
- 配置网络：如果你的VM Nat网络不是88网段，请按照以下修改
  - 修改Linux虚拟机的ens33网卡，网卡和网关，修改为自己的网段
```
vim /etc/sysconfig/network-scripts/ifcfg-ens33
```
  - 重启网卡
```
systemctl restart network
```
  - 查看是否修改成功
```
ifconfig
```
- 配置映射
  - 修改Linux映射,修改为自己的网段
```
vim /etc/hosts
```
  - 配置Windows上的映射，方便使用主机名访问【把以前的有冲突的注释掉】
  192.168.88.100 oracle.bigdata.cn
  192.168.88.100 hadoop.bigdata.cn
  192.168.88.100 hive.bigdata.cn
  192.168.88.100 mysql.bigdata.cn
  192.168.88.100 node1
```
![image-20210820155305287](https://img-blog.csdnimg.cn/img_convert/5d91eae2217116ace3aaceb9a5f03e92.png)
```
小结
- 根据需求实现项目环境配置

13：项目环境测试：Oracle

目标：实现项目Oracle环境的测试

实施

启动
```
docker start oracle
```
进入
```
docker exec -it oracle bash
```

连接

#进入客户端命令行：/nolog表示只打开，不登录，不用输入用户名和密码
sqlplus /nolog
#登陆连接服务端：/ as sysdba表示使用系统用户登录
conn / as sysdba

测试

select TABLE_NAME from all_tables where TABLE_NAME LIKE ‘CISS_%’;


- 退出

exit


- 远程连接：DG

- step1：安装DG

- step2：创建连接

  - SID：helowin
- 用户名：ciss
  - 密码：123456

![image-20210820163624308](https://img-blog.csdnimg.cn/img_convert/b53444744b1b7e1a42cfc342618725ed.png)

step3：配置驱动包
step4：配置JDK

step5：测试
关闭
```
  docker stop oracle
```
小结
- 实现项目Oracle环境的测试

14：项目环境测试：MySQL

目标：实现项目MySQL环境的测试
实施
- 大数据平台中自己管理的MySQL：两台机器
  - 存储软件元数据：Hive、Sqoop、Airflow、Oozie、Hue
  - 存储统计分析结果
- 注意：MySQL没有使用Docker容器部署，直接部署在当前node1宿主机器上
- 启动/关闭：默认开启自启动
- 连接：使用命令行客户端、Navicat、DG都可以
  - 用户名：root
  - 密码：123456
- 查看
小结
- 实现项目MySQL环境的测试

15：项目环境测试：Hadoop

目标：实现项目Hadoop环境的测试

实施

启动
```
docker start hadoop
```
进入
```
docker exec -it hadoop bash
```
查看进程
```
jps
```

启动进程

start-dfs.sh
start-yarn.sh
mr-jobhistory-daemon.sh start historyserver

访问页面
- node1:50070
- node1:8088
- node1:19888
退出
```
exit
```
关闭
```
docker stop hadoop
```

小结
- 实现项目Hadoop环境的测试

16：项目环境测试：Hive

目标：实现项目Hive环境的测试
实施
- 启动Hive容器
```
docker start hive
```
- 进入Hive容器
```
docker exec -it hive bash
source /etc/profile
```
- 连接
```
beeline
!connect jdbc:hive2://hive.bigdata.cn:10000
账号为root，密码为123456
```
- SQL测试
```
select count(1);
```
  - Shuffle【分区、排序、分组】三种场景
  - 重分区：repartition：分区个数由小变大
    - 调用分区器对所有数据进行重新分区
    - rdd1
      - part0：1 2 3
      - part1： 4 5 6
    - rdd2：调用分区器【只有shuffle阶段才能调用分区器】
      - part0：0 6
      - part1：1 4
      - part2：2 5
    - 全局排序：sortBy
      - part0：1 2 5
      - part1： 4 3 6
      - 方案：将所有数据放入磁盘
      - 实现：对数据做了范围分区：将所有数据做了采样：4
        part0：6 5 4
        part1：3 2 1
    - 全局分组：groupBy，reduceByKey
- 关闭Hive容器
```
docker stop hive
```
小结
- 实现项目Hive环境的测试

17：项目环境测试：Spark

目标：实现项目Spark环境的测试

实施

启动Spark容器
```
docker start spark
```

进入Spark容器

docker exec -it spark bash
source /etc/profile

启动Thrift Server【默认已经启动】

start-thriftserver.sh \
--name sparksql-thrift-server \
--master yarn \
--deploy-mode client \
--driver-memory 1g \
--hiveconf hive.server2.thrift.http.port=10001 \
--num-executors 3 \
--executor-memory 1g \
--conf spark.sql.shuffle.partitions=2

测试

beeline -u jdbc:hive2://spark.bigdata.cn:10001 -n root -p 123456
select count(1);

关闭Spark容器
```
docker stop spark
```

小结
- 实现项目Spark环境的测试

18：项目环境测试：Sqoop

目标：实现项目Sqoop环境的测试

实施

启动Sqoop容器
```
docker start sqoop
```

进入Sqoop容器

docker exec -it sqoop bash
source /etc/profile

测试

sqoop list-databases \
--connect jdbc:oracle:thin:@oracle.bigdata.cn:1521:helowin \
--username ciss \
--password 123456

关闭Sqoop容器
```
docker stop sqoop
```

小结
- 实现项目Sqoop环境的测试

要求

Python面向对象
- 类和对象
- 方法

Hive中建表语法

create [external] table tbname(
	字段 类型 comment,
) 
comment
partitioned by 
clustered by col into N buckets
row format 
stored as textfile
location

提前预习：EntranceApp.py

AI_Maynor

关注

7
点赞
踩
25

收藏

觉得还不错? 一键收藏
打赏
9
评论
助力工业物联网，工业大数据项目介绍及环境构建【一、二】

项目目标项目1：在线教育学习如何做项目，项目中大数据工程师要负责实现的内容和流程学习数仓基础理论：建模、分层项目2：工业大数据企业中项目开发的落地：代码开发代码开发：SQL【DSL + SQL】SparkCoreSparkSQL数仓的一些实际应用：分层体系、建模实现内容目标项目业务介绍：背景、需求项目技术架构：选型、架构项目环境测试目标了解Docker的基本功能和设计为什么要用Docker？什么是Docker？路径step1：生产环境的问题。
复制链接

扫一扫