案例分析

前言

通过本案例，你可以：

1. 熟悉在 Linux 系统中安装 Hadoop 集群、安装 Mysql 数据库，安装 Sqoop 数据迁移工具，安装 Spark ，安装 Hive 数据仓库。
2. 在 HDFS 分布式文件系统中创建文件夹、上传文件。
3. 在 Hive 中建立表，使用 Hive 对 HDFS 中的文件进行操作，使用 HQL 进行业务查询。
4. 使用 Sqoop 将 Hive 中的数据迁移到 Mysql 中。
5. 了解 Spark 的 MLlib自带的工具，使用 Spark-Shell 编程。使用 Spark 读取 csv 文件，并分析数据。
6. Web 项目整合 ECharts，可视化展示数据分析结果。

数据分析流程

环境准备

软件要求

软件/插件/编程语言等	版本
Linux 系统	CentOS 7
JDK	1.8.0_161
MySQL	5.7.26
Hadoop	2.7.7
Scala	2.11
Spark	2.4.4
Hive	2.3.6
Sqoop	1.4.7
Idea	2018版
ECharts	3.4.0

硬件要求

本案例可以在单机上完成（即伪分布式环境），也可以在集群环境下完成。**由于硬件限制，我的所有操作均在伪分布式环境下完成。**单机的要求， 8 G 以上内存，500 G 磁盘存储。

环境搭建

1. 安装 Linux 系统。（参考本人博客：VMware 安装 Linux 系统（CentOS 7 图文教程））
2. Linux 安装 JDK。（参考本人博客：Linux 安装 JDK(图文教程)）
3. Hadoop 伪分布式搭建。（参考本人博客：Hadoop 集群搭建详细步骤）另：本次使用的是仅主机模式，主机名为centos2020（使用命令：hostnamectl set-hostname centos2020）。
4. MySQL 安装。（参考本人博客：Linux 安装 MySQL）
5. Linux 安装 Hive 。（参考本人博客：Linux 安装 Hive）
6. Linux 安装 Sqoop。（参考本人博客：Linux 安装 Sqoop）
7. Linux 安装 Spark（单机版，参考本人博客：Linux 安装 Spark）
8. echarts 下载