基于spark的电信用户数据分析及可视化

项目概况

数据类型

电信用户数据

开发环境

centos7

软件版本

python3.8.18、hadoop3.2.0、spark3.1.2、mysql5.7.38、scala2.12.18、jdk8

开发语言

python、Scala

开发流程

数据清洗(python)->数据上传(hdfs)->数据分析(spark)->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 openpyxl==3.1.5 -i https://mirrors.aliyun.com/pypi/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

数据清洗

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

# "data" 目录下的 "data.xlsx" 文件
# "数据清洗" 目录下的 "data_clean.py" 文件

python3 data_clean.py /data/jobs/project/

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/

spark数据分析

cd /data/jobs/project/

# 打包命令
# mvn clean package -Dmaven.test.skip=true

spark-submit \
--master local[*] \
--class com.exam.SparkApp \
/data/jobs/project/spark-job-jar-with-dependencies.jar /data/input/

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" 文件和文件夹

# 创建用户表
python3 extractor.py

# windows本地运行: python3 app.py 
python3 app.py pro
# 用户名:admin
# 密码:admin