基于Spark+Grafana可视化电商项目实战，好文收藏~

Posted 大数据兵工厂

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了基于Spark+Grafana可视化电商项目实战，好文收藏~相关的知识，希望对你有一定的参考价值。

大家好，我是老兵。

本系列为大数据项目实战系列，每期内容将讲解​​项目背景​​​、​​技术架构​​​和核心​​代码​​部分，帮助相关小伙伴快速了解大数据项目与技术。

在上期的基于Spark GraphFrame社交网络实战项目中，介绍了Spark图计算与社交关系图谱，文章反响很好。​

本期将继续介绍基于Spark和Grafana的​​电商零售分析​​项目，在文末附有电商数据集下载地址，欢迎大家自行领取。话不多说，我们开始。


项目环境：JAVA、IDEA
项目技术：Spark、Grafana
技术难度：中等


1 项目介绍

互联网背景下的大数据、AI领域不断创新，衍生出多样化的电商平台和商品推荐模式。

作为消费者，当我们打开某款购物APP时，随着你在平台上浏览商品并点击，计算机在后台会记录你的用户行为，并为你生成专有的​​客群画像​​​，真正做到了​​千人千面​​​、​​精准推荐​​的效果。

基于Spark+Grafana可视化电商项目实战，好文收藏~_sql关于智能推荐和用户画像怎么实现，我们将在后期系列中讨论。

本项目主要对零售商品进行数据分析，通过技术手段，分析哪几款商品需求量最大（​​购买排行top5​​​）、​​热门商品​​​每日变化趋势、哪些省份是消费大省市（​​消费省份分布​​​）、购买群体男女比率（​​用户群体分析​​）。

项目基于​​Spark​​​组件和​​Grafana​​工具，通过Spark数据分析，进行数据清洗、转换、计算并保存，最终Grafana进行可视化大屏展示。

2 系统介绍

项目程序采用Java语言编写，技术组件采用Spark和Grafana工具。

系统整体分为数据采集、数据分析、数据可视化核心部分。

1）整体技术架构

基于Spark+Grafana可视化电商项目实战，好文收藏~_spark_02数据采集层

通过​​网络爬虫​​或者下载​​公开数据集​​的技术手段（文末提供免费数据集下载）收集电商零售数据，形成结构化文本文件、数据表。

  • 数据分析层
    基于微服务和Spark技术栈构建。微服务组件作为系统基础底座（​​​非必须​​​），一般公司有专门的微服务团队去做。
    Spark作为数据分析组件，提供Spark内存计算、​​​Spark SQL​​数据查询统计等功能，完成数据的加工、查询和结果存储。
  • 数据存储层
    Spark计算后的数据落地到存储介质中，向外提供数据访问能力，项目中使用mysql（redis、Hive也可）。
  • 数据展示层
    在展示层的技术选型方面，我选择了​​​Grafana​​: 一个提供几百种数据源、多种图形样式库的可视化大屏组件，且支持SQL，比较方便。

2）数据流程设计

基于Spark+Grafana可视化电商项目实战，好文收藏~_sql_03数据从源头的​​​结构化​​​形式（csv/table）转换为Spark的​​RDD​​​形式，并最终流转到数据库中的​​table表​​形式存储。

  • Spark程序读取源数据（csv、table）并转成RDD（​​csvRDD​​）
  • 经过重复值、异常值、时间格式处理，形成中间RDD（​​transRDD​​）
  • Spark SQL进行数据指标计算（​​top5xxRDD​​​），计算销售排行、用户省份分布等指标并保存到Mysql中（​​tb_xxAnalysis​​）
  • Grafana中进行SQL查询展示，绘制大屏。

3）相关技术

  • Spark引擎
    大数据生态圈常用​​​计算引​​​，内存级分布式分析框架，包含Spark Core、Spark SQL、Spark Streaming、Spark MLlib和Spark Graph等模块。具体资料可以看我的相关文章，此处不再赘叙。
    基于Spark+Grafana可视化电商项目实战，好文收藏~_sql_04
  • Grafana组件
    Grafana是一个开源的​​​可视化​​​和​​分析​​​平台。提供​​查询​​​、​​可视化​​​、​​告警​​​和​​监控​​​等功能。内部支持多种数据源，提供多种面板、插件来快速将复杂的数据转换为漂亮的图形和可视化的工具，可自定义告警规则。
    基于Spark+Grafana可视化电商项目实战，好文收藏~_sql_053 程序实现

前面铺垫了这么多，下面我们来看看代码方面怎么实现的。

先看下整体的架构，正如前面所说。我们在这里分成了数据采集、数据分析和数据可视化三个部分。

基于Spark+Grafana可视化电商项目实战，好文收藏~_spark_063.1 系统环境

  • Maven 3.5、Mysql 5.7
  • jdk1.8、scala 2.12
  • spark 3.0.2
  • grafana 8.5

3.2 Spark初始化

1）环境jar包依赖

这里使用了引入了spark-core和spark-sql的依赖包,且使用SparkSession方式创建SparkContext上下文。

<dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-core_2.12</artifactId>
      <version>3.0.3</version>
    </dependency>

    <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-sql_2.12</artifactId>
      <version>3.0.3</version>
    </dependency>

2）Spark脚本

在系统入口这里，为了方便本地和服务器运行​​灵活性​​​，可支持​​批量​​​任务或者​​单个​​任务方式执行，通过参数传入控制。

  • 包括执行的程序类名、执行标志
  • 执行日期范围（不传默认全量）
// 计算kpi列表（kpi.txt）
ProductAnalysis  1 2019-11-24 2019-12-22
RegionAnalysis  2 2019-11-24 2019-12-22
UserAnalysis  1 2019-11-24

// 服务器执行脚本
#!/usr/bin/env bash

SPARK_HOME="/usr/hdp/xxxx/spark"
SPARK_MASTER="yarn"
MAIN_CLASS="com.demo.spark.analysis.launcher.AnalysisLauncher"
SPARK_SUBMIT_OPTS="--master yarn-client --driver-memory 20g --executor-cores 8 --executor-memory 40g --num-executors 5"
...

// 执行脚本命令
sh analysis.sh kpi.txt

3）Spark启动

这里为了方便观察，统一改为Local运行模式；将执行类放入数组，使用​​Java反射机制​​动态执行分析子类。

// 解析传递的kpi.txt中的执行类参数
// PRODUCT_CLASS_NAME、USER_CLASS_NAME
// String[] classNames = parseArgs(args);

String[] classNames = PRODUCT_CLASS_NAME, USER_CLASS_NAME, REGION_CLASS_NAME;

for (String className: classNames) 
    Class c = Class.forName(PACKAGE_NAME + className);
    BaseHandler handler = (BaseHandler) c.getConstructors()[0].newInstance();

    logger.info("数据分析开始...");
    handler.execute(spark, sparkContext);

3.3 数据采集模块

使用SparkSession的​​read()算子​​​读取csv文件，设置编码格式，并进行简单的​​重复值​​​、​​异常值​​​及​​缺失值​​处理; 结果保存到数据库表中。

// 读取csv文件并处理
Dataset productCsvDS = spark.read()
       .format("csv")
       .option("delimiter", ",")
       .option("encoding", "gbk")
       .schema(productStructType)
       .option("header", "true")
       .load(ORDER_FILE_PATH)
       .na()  // 空值删除
       .drop( new String[] "name", "price");

// 写入Mysql订单表 (解决中文乱码：设置Mysql 编码utf8)
productCsvDS.write()
    .mode(SaveMode.Overwrite)
    .jdbc(JDBC_URL, DB_TABLE_PRODUCT, jdbcProperties);

// 定义StructType
private static StructType getProductStructType() 
     StructType productStructType = DataTypes.createStructType(new StructField[]
         DataTypes.createStructField("id", DataTypes.StringType, false),
         DataTypes.createStructField("name", DataTypes.StringType, false),
         DataTypes.createStructField("price", DataTypes.DoubleType, false)
         ...
        );
        return productStructType;

3.4 数据分析模块

使用​​Spark SQL​​​和​​Spark内置算子​​进行数据统计，不同场景的分析子类均需要实现execute()方法。

// 子类继承抽象父类execute()方法
public abstract class BaseService 
    public void execute(SparkSession spark, JavaSparkContext sparkContext)
        // TODO: 继承子类方法
        // 1. 用户行为分析
        // 2. 零售产品分析
  • 用户月度购买量省份分布分析（示例）
// 注册临时表
prodCsvDS.registerTempTable("product");
orderCsvDS.registerTempTable("orderinfo");

// 列换行；分割prod_ids
String prodSplitSQL 基于ECharts实现大数据项目实战一可视化分析


 spark项目实战（一~~九）


 Spark大型电商项目实战-及其改良 比对sparkSQL和纯RDD实现的结果


 云原生promehtheus整合grafana实现可视化监控实战


 开源项目 onemall 基于微服务的思想，构建在电商的项目实战


 基于spark和flink的电商数据分析项目