基于Spark的音乐专辑数据分析展示
舟率率 12/7/2025 pythonscala
原地址:https://dblab.xmu.edu.cn/blog/2744/
# 项目概况
# 数据类型
Kaggle数据平台的音乐专辑数据
# 开发环境
centos7
# 软件版本
python3.8.18、hadoop3.2.0、spark3.1.2、scala2.12.18、jdk8
# 开发语言
python
# 开发流程
数据分析(spark)->数据存储(linux本地文件系统)->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/
# 解压 "data" 目录下的 "data.7z" 到当前目录下
# 上传 "project-pyspark-albums-analysis" 整个文件夹 到 "/data/jobs/project/" 目录
cd /data/jobs/project/project-pyspark-albums-analysis/
head -10 data/albums.csv
1
2
3
4
5
6
7
8
9
10
2
3
4
5
6
7
8
9
10
# 上传文件到hdfs
cd /data/jobs/project/project-pyspark-albums-analysis/
hdfs dfs -mkdir -p /data/input/
hdfs dfs -rm -r /data/input/*
hdfs dfs -put data/albums.csv /data/input/
hdfs dfs -ls /data/input/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# spark数据分析
cd /data/jobs/project/project-pyspark-albums-analysis/
spark-submit --master local[*] main.py /data/input/
1
2
3
4
5
2
3
4
5
# 启动可视化
cd /data/jobs/project/project-pyspark-albums-analysis/myapp/
# windows本地运行: python app.py
python3 app.py pro
1
2
3
4
5
6
2
3
4
5
6