基于spark的抖音短视频数据分析及可视化

抖音短视频数据分析及可视化

项目概况

**👇👇👇👇👇👇👇👇**

点这里,查看所有项目

**👆👆👆👆👆👆👆👆**

数据类型

抖音短视频数据

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、Java

开发流程

数据预处理(python)->数据上传(hdfs)->数据清洗(mapreduce)->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

shell 复制代码

pip3 install pandas==2.0.3 -i https://mirrors.aliyun.com/pypi/simple/
pip3 install flask==3.0.0 -i https://mirrors.aliyun.com/pypi/simple/
pip3 install flask-cors==4.0.1 -i https://mirrors.aliyun.com/pypi/simple/
pip3 install pymysql==1.1.0 -i https://mirrors.aliyun.com/pypi/simple/
pip3 install pyecharts==2.0.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

启动MySQL

shell 复制代码

# 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

创建MySQL库

sql 复制代码

CREATE DATABASE IF NOT EXISTS echarts CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

启动Hadoop

shell 复制代码

# 离开安全模式: hdfs dfsadmin -safemode leave
# 启动hadoop
bash /export/software/hadoop-3.2.0/sbin/start-hadoop.sh

准备目录

shell 复制代码

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

# 解压 "data" 目录下的 "data.7z" 文件
# 上传 "data" 目录下的 "所有" 文件到 "/data/jobs/project/" 目录

# douyin.csv
# douyin.txt

数据预处理

shell 复制代码

cd /data/jobs/project/

# 上传 "数据预处理" 目录下的 "data_preprocess.py" 文件到 "/data/jobs/project/" 目录
# 为避免分隔符导致错位问题,重新生成一个分隔符文件
python3 data_preprocess.py

ls -l douyin.txt
head -5 douyin.txt

上传文件到hdfs

shell 复制代码

cd /data/jobs/project/

hdfs dfs -mkdir -p /data/input/
hdfs dfs -rm -r /data/input/*
hdfs dfs -put douyin.txt /data/input/
hdfs dfs -ls /data/input/

程序打包

shell 复制代码

cd /data/jobs/project/

# 对 "数据清洗" 目录下的项目 "mapreduce-job" 进行打包
# 打包命令: mvn clean package -Dmaven.test.skip=true

# 上传 "mapreduce-job/target/" 目录下的 "mapreduce-job-jar-with-dependencies.jar" 文件 到 "/data/jobs/project/" 目录

mapreduce数据清洗

shell 复制代码

cd /data/jobs/project/

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

# 查看结果
hdfs dfs -ls /data/output/

spark数据分析

shell 复制代码

cd /data/jobs/project/

# 对 "spark" 目录下的项目 "spark-job" 进行打包
# 打包命令: mvn clean package -Dmaven.test.skip=true

# 上传 "spark-job/target/" 目录下的 "spark-job-jar-with-dependencies.jar" 文件 到 "/data/jobs/project/" 目录

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

启动可视化

shell 复制代码

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 到 "/data/jobs/project/" 目录

# windows本地运行: python app.py
python3 app.py pro
# 登录名/密码 随便输入