devbox
知新_RL
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

Hadoop入门学习笔记——八、数据分析综合案例_hadoop聊天数据

作者：知新_RL | 2024-06-12 22:52:42

赞

踩

hadoop聊天数据

视频课程地址：https://www.bilibili.com/video/BV1WY4y197g7
课程资料链接：https://pan.baidu.com/s/15KpnWeKpvExpKmOC8xjmtQ?pwd=5ay8

Hadoop入门学习笔记（汇总）

目录

八、数据分析综合案例

8.1. 需求分析

8.1.1. 背景介绍

聊天平台每天都会有大量的用户在线，会出现大量的聊天数据，通过对聊天数据的统计分析，可以更好的对用户构建精准的用户画像，为用户提供更好的服务以及实现高ROI的平台运营推广，给公司的发展决策提供精确的数据支撑。
我们将基于一个社交平台App的用户数据，完成相关指标的统计分析并结合BI工具对指标进行可视化展现。

8.1.2. 目标

基于Hadoop和Hive实现聊天数据统计分析，构建聊天数据分析报表
在这里插入图片描述

8.1.3. 需求

  • 统计今日总消息量
  • 统计今日每小时消息量、发送和接收用户数
  • 统计今日各地区发送消息数据量
  • 统计今日发送消息和接收消息的用户数
  • 统计今日发送消息最多的Top10用户
  • 统计今日接收消息最多的Top10用户
  • 统计发送人的手机型号分布情况
  • 统计发送人的设备操作系统分布情况

8.1.4. 数据内容

  • 数据大小：30万条数据
  • 列分隔符：Hive默认分隔符‘\001’
  • 数据字典及样例数据

在这里插入图片描述

8.2. 加载数据

1、创建库表

-- 如果数据库已存在就删除
drop database if exists db_msg cascade;

-- 创建数据库
CREATE database db_msg;

-- 选择数据库
use db_msg;

--如果表已存在就删除
drop table if exists db_msg.tb_msg_source;

-- 建表
create table db_msg.tb_msg_source(
msg_time string comment "消息发送时间",
sender_name string comment "发送人昵称",
sender_account string comment "发送人账号",
sender_sex string comment "发送人性别",
sender_ip string comment "发送人ip地址",
sender_os string comment "发送人操作系统",
sender_phonetype string comment "发送人手机型号",
sender_network string comment "发送人网络类型",
sender_gps string comment "发送人的GPS定位",
receiver_name string comment "接收人昵称",
receiver_ip string comment "接收人IP",
receiver_account string comment "接收人账号",
receiver_os string comment "接收人操作系统",
receiver_phonetype string comment "接收人手机型号",
receiver_network string comment "接收人网络类型",
receiver_gps string comment "接收人的GPS定位",
receiver_sex string comment "接收人性别",
msg_type string comment "消息类型",
distance string comment "双方距离",
message string comment "消息内容"
);

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35

2、数据导入
将课程资料中的chat_data-30W.csv文件上传到node1服务器的/home/hadoop目录下；

在Linux系统内执行以下命令：

# 切换工作目录
cd /home/hadoop

# 在HDFS系统中创建/chatdemo/data目录
hadoop fs -mkdir -p /chatdemo/data

# 将chat_data-30W.csv文件从Linux上传到HDFS系统中
hadoop fs -put chat_data-30W.csv /chatdemo/data

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

在DBeaver中执行以下命令：

-- 从HDFS系统中加载数据到Hive表
load data inpath '/chatdemo/data/chat_data-30W.csv' into table tb_msg_source;

-- 验证数据加载
SELECT * FROM tb_msg_source tablesample(100 rows);

-- 验证表中的数据条数
SELECT COUNT(*) from tb_msg_source tms ; 

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

8.3. ETL数据清洗转换

由于原始数据中存在部分不合规的数据，所以需要对数据进行清洗。
1、原始数据存在的问题

  • 问题1：当前数据中，有一些数据的字段（如sender_gps）为空，不是合法数据；
  • 问题2：需求中，需要统计每天、每个小时的消息量，但是数据中没有天和小时字段，只有整体时间字段，不好处理；
  • 问题3：需求中，需要对经度和维度构建地区的可视化地图，但是数据中GPS经纬度为一个字段，不好处理；

2、数据清洗需求

  • 需求1：对字段为空的不合法数据进行过滤；
  • 需求2：通过时间字段构建天和小时字段；
  • 需求3：从GPS的经纬度中提取经度和维度；
  • 需求4：将ETL以后的结果保存到一张新的Hive表中。
-- 创建存储清洗后数据的表
create table db_msg.tb_msg_etl(
msg_time string comment "消息发送时间",
sender_name string comment "发送人昵称",
sender_account string comment "发送人账号",
sender_sex string comment "发送人性别",
sender_ip string comment "发送人ip地址",
sender_os string comment "发送人操作系统",
sender_phonetype string comment "发送人手机型号",
sender_network string comment "发送人网络类型",
sender_gps string comment "发送人的GPS定位",
receiver_name string comment "接收人昵称",
receiver_ip string comment "接收人IP",
receiver_account string comment "接收人账号",
receiver_os string comment "接收人操作系统",
receiver_phonetype string comment "接收人手机型号",
receiver_network string comment "接收人网络类型",
receiver_gps string comment "接收人的GPS定位",
receiver_sex string comment "接收人性别",
msg_type string comment "消息类型",
distance string comment "双方距离",
message string comment "消息内容",
msg_day string comment "消息日",
msg_hour string comment "消息小时",
sender_lng double comment "经度",
sender_lat double comment "纬度"
);


-- 按照需求对原始数据表中的数据进行过滤，然后插入新建的表中
INSERT OVERWRITE TABLE db_msg.tb_msg_etl
SELECT 
	*,
	DATE(msg_time) as msg_day,
	HOUR(msg_time) as msg_hour,
	SPLIT(sender_gps, ',')[0] as sender_lng,
	SPLIT(sender_gps, ',')[1] as sender_lat
FROM db_msg.tb_msg_source
WHERE LENGTH(sender_gps) > 0;

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39

执行完毕后，打开tb_msg_etl表，可以看到以下数据
在这里插入图片描述

扩展知识：ETL
从表tb_msg_source 查询数据进行数据过滤和转换，并将结果写入到：tb_msg_etl表中的操作。这种操作，本质上是一种简单的ETL行为。
ETL：

  • E，Extract，抽取
  • T，Transform，转换
  • L，Load，加载

从A抽取数据(E)，进行数据转换过滤(T)，将结果加载到B(L)，就是ETL。

8.4. 指标统计

1、指标1：统计每日发送的消息总量

-- 统计每日消息总量
CREATE table db_msg.tb_rs_total_msg_cnt comment '每日消息总量' as
SELECT msg_day, COUNT(*) as total_msg_cnt  FROM db_msg.tb_msg_etl GROUP BY msg_day;

  • 1
  • 2
  • 3

2、指标2：统计每小时消息量、发送和接收用户数

-- 统计每小时消息量、发送和接收用户数
CREATE table db_msg.tb_rs_hour_msg_cnt comment '每小时消息量情况' as
SELECT
	msg_hour,
	COUNT(*) as total_msg_cnt,
	COUNT(DISTINCT sender_account) as sender_user_cnt,
	COUNT(DISTINCT receiver_account) as receiver_user_cnt
FROM
	db_msg.tb_msg_etl
GROUP BY
	msg_hour;

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

3、指标3：统计每日各地区发送消息总量

-- 每日各地区发送消息总量
CREATE table db_msg.tb_rs_loc_cnt comment '每日各地区发送消息总量' as
SELECT
	msg_day,
	sender_lng,
	sender_lat,
	COUNT(*) as total_msg_cnt
FROM db_msg.tb_msg_etl 
GROUP BY msg_day, sender_lng, sender_lat;

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

4、指标4：统计每日发送和接收用户数

-- 每日发送和接收用户数
CREATE table db_msg.tb_rs_user_cnt comment '每日发送消息和接收消息人数' as
SELECT 
	msg_day,
	COUNT(DISTINCT sender_account) as sender_user_cnt,
	COUNT(DISTINCT receiver_account) as receiver_user_cnt 
FROM db_msg.tb_msg_etl
GROUP BY msg_day;

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

5、指标5：统计发送消息条数最多的TOP10用户

-- 发送消息条数最多的前10个用户
CREATE table db_msg.tb_rs_sneder_user_top10 comment '发送消息条数最多的10个用户' as
SELECT 
	sender_name,
	COUNT(*) as sender_msg_cnt 
FROM db_msg.tb_msg_etl
GROUP BY sender_name
SORT BY sender_msg_cnt DESC 
LIMIT 10;

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

6、指标6：统计接收消息条数最多的TOP10用户

-- 接收消息条数最多的10个用户
CREATE table db_msg.tb_rs_receiver_user_top10 comment '接收消息条数最多的10个用户' as
SELECT 
	receiver_name,
	COUNT(*) as receiver_msg_cnt 
FROM db_msg.tb_msg_etl
GROUP BY receiver_name 
SORT BY receiver_msg_cnt DESC 
LIMIT 10;

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

7、指标7：统计发送人的手机型号

-- 统计发送人的手机型号
CREATE table db_msg.tb_rs_sender_phone comment '发送人手机型号分布' as
SELECT 
	sender_phonetype,
	COUNT(*) as cnt
FROM db_msg.tb_msg_etl
GROUP BY sender_phonetype;


  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

8、指标8：统计发送人的设备操作系统分布情况

-- 统计发送人的设备操作系统分布情况
CREATE table db_msg.tb_rs_sender_os comment '发送人设备操作系统分布' as
SELECT 
	sender_os,
	COUNT(*) as cnt
FROM db_msg.tb_msg_etl tme 
GROUP BY sender_os;

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

8.5. FineBI安装&配置

8.5.1. FineBI的下载和安装

1、打开FineBI官方https://www.finebi.com/，注册并下载FineBI个人试用版本客户端；
在这里插入图片描述
在这里插入图片描述

2、在本地物理机上安装刚才下载的客户端（和安装其他软件一样的操作），安装完成之后，启动FineBI客户端；
在这里插入图片描述

3、启动之后，输入FineBI官网提供的激活码，然后点击“使用BI”按钮，此时FineBI客户端开始启动（这个过程可能较长，需要耐心等待，过程中可能会弹出openJDK请求防火墙的权限，需要同意）；
在这里插入图片描述
在这里插入图片描述
4、FineBI客户端启动成功后，会自动打开浏览器，并打开http://localhost:37799/webroot/decision/login/initialization网页，进入配置页面，此时可以配置BI软件的管理员账号、密码；
在这里插入图片描述
5、账号设置完毕后，需要配置FineBI的数据库，FineBI类似于Hive也有元数据需要管理，对于个人使用来说，可以使用FineBI的内置数据库，若是生产环境使用，则建议使用外接数据库；
在这里插入图片描述
6、点击“直接登录”之后，BI系统会自动跳转到登录界面，输入刚才设置的管理员账号和密码进行登录；
在这里插入图片描述
7、登录FineBI系统后，可以在其目录内发现一些内置的模板和样例数据，以及新手入门指引等，可以作为配置个人所需模板的参考；
在这里插入图片描述
至此，FineBI客户端已安装完毕。

8.5.2. 配置FineBI与Hive的连接

1、接下来需要配置FineBI连接Hive的隔离插件。进入FineBI系统中，在“管理系统-插件管理-我的插件-从本地安装”，然后选择课程资料中，FineBI文件夹中的fr-plugin-hive-driver-loader-3.0.zip，然后系统会安装Hive隔离插件；
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
2、然后，使用记事本打开FineBI安装目录下webapps\webroot\WEB-INF\embed\finedb目录下的db.script文件，将其中的INSERT INTO FINE_CONF_ENTITY VALUES('SystemConfig.driverUpload','false')修改为INSERT INTO FINE_CONF_ENTITY VALUES('SystemConfig.driverUpload','true')。这样才能安装Hive驱动。
在这里插入图片描述

3、然后，重启FineBI客户端，先关闭FineBI客户端，然后再在桌面重新打开FineBI的客户端；
在这里插入图片描述
在这里插入图片描述
4、重新登录系统后，需要先安装Hive驱动，打开FineBI官方帮助手册，Hadoop Hive数据连接章节：https://help.fanruan.com/finebi/doc-view-301.html，根据其指示下载对应版本的驱动包和日志jar包；
在这里插入图片描述
5、下载完成后，将两个压缩包里的所有jar文件解压到一个文件夹中；
在这里插入图片描述
6、在系统中，依次点击“管理系统-数据连接-数据连接管理-驱动管理”，进入驱动管理界面；
在这里插入图片描述
7、在驱动管理界面点击“新建驱动”按钮，填写驱动名称，然后点击“确定”按钮；
在这里插入图片描述
8、然后点击“上传文件”按钮，将刚才解压的所有jar文件选中上传；
在这里插入图片描述
9、上传完成后，在“驱动”栏选择Hive驱动，然后点击右上角的“保存”按钮，完成Hive驱动的添加。添加成功后，点击左上角的“退出驱动管理”按钮；
在这里插入图片描述
10、点击数据连接管理界面的“新建数据连接”按钮，打开新建数据连接界面；
在这里插入图片描述
11、在打开的页面中选择“所有”选项卡，然后点击“Hadoop Hive”；
在这里插入图片描述
12、在Hadoop Hive页面填写虚拟机Hive服务（即hiveserver2服务）的相关信息，填写完毕后，点击右上角的“测试连接”按钮，看到“连接成功”提示代表配置成功，然后点击右上角的“保存”按钮，Hive连接创建完毕。

在这里插入图片描述
在这里插入图片描述
至此，FineBI到Hive的数据连接配置完成。后续将进行可视化面板的配置。

8.6. 可视化展示

本节的目标是使用FineBI配置出如下的可视化看板。
在这里插入图片描述
1、创建报表。登录系统后，依次点击“公共数据-新建文件夹”，创建本案例中所使用的文件夹，然后给文件夹命名为“Hive数据分析”。
在这里插入图片描述
2、选择刚才新建的“Hive数据分析”文件夹，然后点击上方的“新建数据集”按钮，选择“数据库表”。
在这里插入图片描述
3、然后将前面章节所创建的8个指标的数据表选中，然后点击右上角的“确定”按钮；
在这里插入图片描述
4、点击“确定”后，可以看到在“Hive数据分析”文件夹下出现了前面选中的表（以表注释命名）；
在这里插入图片描述
5、依次点开每张表，然后点击“更新数据”按钮，将Hive中的数据拉取过来；
在这里插入图片描述
6、依次点击“我的分析-新建文件夹”，将新建的文件夹命名为“Hive数据分析”；
在这里插入图片描述
7、选择“Hive数据分析”，然后点击“新建分析主题”，会在另一个浏览器窗口打开分析主题页面；
在这里插入图片描述
8、在分析主题页面选择“公共数据”-刚才新建的Hive数据分析数据集中的“每日发送消息和接收消息人数”，然后点击“确定”按钮，将该数据构建进来；
在这里插入图片描述
9、构建好后，点击下方的“组件”Tab，进入组件配置中，选择“KPI指标卡”，然后将左侧的“sender_user_cnt”字段拖动到“文本”栏中，然后点击文本栏的配置按钮；
在这里插入图片描述
10、在弹出的文本栏配置中，取消“固定字体大小”，然后编辑内容，将内容的前缀改为“发送消息人数：”即可；
在这里插入图片描述
在这里插入图片描述
11、对组件Tab进行重命名，改为“发送消息人数”，然后点击页面下部的“添加仪表板”按钮，添加一个仪表板；
在这里插入图片描述
12、然后在仪表板中，将刚才配置好的“发送消息人数”组件拖动到仪表板上，并调整好位置和大小，点击组件旁边的下拉按钮，取消“显示标题”的勾选；
在这里插入图片描述
13、然后点击右上角的“仪表板样式”，选择“默认暗黑”就可以修改整个数据看板的背景；
在这里插入图片描述
14、然后相同的方式，新建“接收消息人数”的组件，并摆放在该仪表板上；
在这里插入图片描述
15、选择“数据”Tab，然后点上面的“+”按钮，然后选择“公共数据-Hive数据分析-每日消息总量”，然后点击确定；
在这里插入图片描述
16、然后添加“总消息数”组件，参考上面完成组件配置，并摆放在仪表板上；
在这里插入图片描述
在这里插入图片描述
17、按照类似方法创建“发送消息最多的用户TOP10”组件；
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
18、按照类似方法创建“发送用户操作系统占比”组件；
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
19、按照类似方法创建地图组件；
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
20、按照类似方法创建“接收消息最多的用户TOP10”组件；
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
21、按照类似方法创建“发送用户手机型号分布”组件；
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
22、按照类似方法创建“每小时消息量趋势”组件；
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
至此，本课程的所有内容结束。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/知新_RL/article/detail/709983
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号