基于spark的音乐数据分析及预测系统
舟率率 11/28/2025 pythonscalamapreduceflasksqoop
# 项目概况
# 数据类型
kaggle的不同艺术家歌曲数据 (opens new window)
# 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、sqoop1.4.7
# 开发语言
python、Scala、Java
# 开发流程
数据上传(hdfs)->数据分析(mapreduce)->机器学习(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 pandas==2.0.3 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install flask==3.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install flask-cors==4.0.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install pymysql==1.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install pyecharts==2.0.4 -i https://pypi.tuna.tsinghua.edu.cn/simple
1
2
3
4
5
6
7
2
3
4
5
6
7
# 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
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 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
1
2
3
4
5
2
3
4
5
# 准备目录
mkdir -p /data/jobs/project/
cd /data/jobs/project/
# 解压 "data" 目录下的 "music.7z" 到当前目录下
# 上传 "data" 目录下的 "music.csv" 文件 到 "/data/jobs/project/" 目录
head -5 music.csv
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 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 music.csv /data/input/
hdfs dfs -ls /data/input/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# mapreduce数据分析
cd /data/jobs/project/
# 对 "project-spark-music-data-analysis-predict-sys" 目录下的项目 "mapreduce-job" 进行打包
# 打包命令
mvn clean package -Dmaven.test.skip=true
# 打包完成后,上传 "mapreduce-job/target/" 目录下的 "mapreduce-job.jar" 文件 到 "/data/jobs/project/" 目录
yes | cp target/mapreduce-job.jar /data/jobs/project/
# 上传 "mr.sh" 文件 到 "/data/jobs/project/" 目录
bash mr.sh
1
2
3
4
5
6
7
8
9
10
11
12
13
2
3
4
5
6
7
8
9
10
11
12
13
# 创建MySQL表
cd /data/jobs/project/
# 上传 "mysql" 目录下的 "mysql.sql" 文件 到 "/data/jobs/project/" 目录
# 请确认mysql服务已经启动了
# 快速执行.sql文件内的sql语句
mysql -u root -p123456 < mysql.sql
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 数据导入MySQL
cd /data/jobs/project/
# 上传 "sqoop.sh" 文件 到 "/data/jobs/project/" 目录
sed -i 's/\r//g' sqoop.sh
bash sqoop.sh
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# spark机器学习
cd /data/jobs/project/
# 对 "project-spark-music-data-analysis-predict-sys" 目录下的项目 "spark-job" 进行打包
# 打包命令
mvn clean package -Dmaven.test.skip=true
# 打包完成后,上传 "spark-job/target/" 目录下的 "spark-job.jar" 文件 到 "/data/jobs/project/" 目录
yes | cp target/spark-job.jar /data/jobs/project/
spark-submit \
--master local[*] \
--class com.example.ml.MusicViewsRegression \
spark-job.jar /data/input/
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 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 到 "/data/jobs/project/" 目录
# 先执行 data_extractor.py 创建用户表
python3 data_extractor.py
# windows本地运行: python app.py
python3 app.py pro
1
2
3
4
5
6
7
8
9
10
11
12
2
3
4
5
6
7
8
9
10
11
12