AI 助理
备案控制台
开发者社区 大数据 文章 正文

冬季实战营第五期：大数据实战全攻略

2022-03-05 201
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
检索分析服务 Elasticsearch 版，2核4GB开发者规格 1个月
推荐场景：
数据可视化分析航班信息
云原生大数据计算服务 MaxCompute，5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute，500CU*H 100GB 3个月
简介： 冬季实战营第五期：大数据实战全攻略
emr使用

\2. 登陆集群

本步骤将指导您如何登录EMR集群终端。

\1. 在远程桌面中点击Firefox ESR,会自动弹出分配子账号的登录页面，点击下一步，从左侧复制子用户密码,粘贴(温馨提示：粘贴快捷键为CTRL+V)到输入框

img

img

img

\2. 登录成功后进入阿里云控制台首页，点击左侧菜单，输入关键词“emr”，点击 E-MapReduce 进入管理页面。

img

3.在E-MapReduce控制台页面上方，选择资源所在地域。例如下图中，地域切换为华东2（上海）。

说明：您可以在云产品资源列表中查看到您的E-MapReduce资源所在地域。

img

4.在E-MapReduce控制台页面的集群列表区域，单击您的集群名/ID。

说明：您可以在云产品资源列表中查看到您的E-MapReduce集群名/ID。

img

5.集群基础信息页面的主机信息区域，复制MASTER的节点的公网ip地址。

img

\6. 打开远程桌面终端LxShell

img

\7. 在终端中输入连接命令ssh root@[ipaddress]。您需要将[ipaddress]替换成第3步中复制公网地址，例如：

ssh root@139.xxx.xxx.230

命令显示结果如下：

img

\8. 输入 yes。

\9. 同意继续后将会提示输入登录密码。密码为 @Aliyun2021 （你可以使用粘贴快捷键SHIFT+CTRL+V）。

说明：输入密码的过程中没有回显，请确保键入内容正确。

img

登录成功后会显示如下信息。

img

\3. 上传数据到HDFS

本步骤将指导您如何将自建数据上传到HDFS。

\1. 执行如下命令，创建HDFS目录。

说明：在LX终端中，粘贴快捷键为SHIFT+CTRL+V。

hdfs dfs -mkdir -p /data/student

\2. 上传文件到hadoop文件系统。

a.执行如下命令，创建u.txt文件。

#创建u.txt文件
vim u.txt

b.按 "i" 键进入编辑模式，通过粘贴快捷键（SHIFT+CTRL+V）将下方内容复制到文件中，按"Esc"返回命令模式，输入":wq"保存

说明：第一列表示userid，第二列表示movieid，第三列表示rating，第四列表示unixtime。

196  242  3  881250949
186  302  3  891717742
22  377  1  878887116
244  51  2  880606923
166  346  1  886397596
298  474  4  884182806
115  265  2  881171488
253  465  5  891628467
305  451  3  886324817
6  86  3  883603013
62  257  2  879372434
286  1014  5  879781125
200  222  5  876042340
210  40  3  891035994
224  29  3  888104457
303  785  3  879485318
122  387  5  879270459
194  274  2  879539794
291  1042  4  874834944
234  1184  2  892079237
119  392  4  886176814
167  486  4  892738452
299  144  4  877881320
291  118  2  874833878
308  1  4  887736532
95  546  2  879196566
38  95  5  892430094
102  768  2  883748450
63  277  4  875747401
160  234  5  876861185
50  246  3  877052329
301  98  4  882075827
225  193  4  879539727
290  88  4  880731963
97  194  3  884238860
157  274  4  886890835
181  1081  1  878962623
278  603  5  891295330
276  796  1  874791932
7  32  4  891350932
10  16  4  877888877
284  304  4  885329322
201  979  2  884114233
276  564  3  874791805
287  327  5  875333916
246  201  5  884921594
242  1137  5  879741196
249  241  5  879641194
99  4  5  886519097
178  332  3  882823437
251  100  4  886271884
81  432  2  876535131
260  322  4  890618898
25  181  5  885853415
59  196  5  888205088
72  679  2  880037164
87  384  4  879877127
290  143  5  880474293
42  423  5  881107687
292  515  4  881103977
115  20  3  881171009
20  288  1  879667584
201  219  4  884112673
13  526  3  882141053
246  919  4  884920949
138  26  5  879024232
167  232  1  892738341
60  427  5  883326620
57  304  5  883698581
223  274  4  891550094
189  512  4  893277702
243  15  3  879987440
92  1049  1  890251826
246  416  3  884923047
194  165  4  879546723
241  690  2  887249482
178  248  4  882823954
254  1444  3  886475558
293  5  3  888906576
127  229  5  884364867
225  237  5  879539643
299  229  3  878192429
225  480  5  879540748
276  54  3  874791025
291  144  5  874835091
222  366  4  878183381
267  518  5  878971773
42  403  3  881108684
11  111  4  891903862
95  625  4  888954412
8  338  4  879361873
162  25  4  877635573
87  1016  4  879876194
279  154  5  875296291
145  275  2  885557505
119  1153  5  874781198
62  498  4  879373848
62  382  3  879375537
28  209  4  881961214
135  23  4  879857765
32  294  3  883709863
90  382  5  891383835
286  208  4  877531942
293  685  3  888905170
216  144  4  880234639
166  328  5  886397722

c. 上传文件u.txt到hadoop文件系统。

hdfs dfs -put u.txt /data/student

\3. 查看文件。

hdfs dfs -ls /data/student

img

\4. 使用hive创建表

本步骤将指导您如何使用hive创建数据表，并使用hadoop文件系统中的数据加载到hive数据表中。

\1. 执行如下命令，登录hive数据库。

hive

\2. 创建user表。

CREATE TABLE emrusers (
   userid INT,
   movieid INT,
   rating INT,
   unixtime STRING ) 
  ROW FORMAT DELIMITED 
  FIELDS TERMINATED BY '\t' 
  ;

img

\3. 执行如下命令，从hadoop文件系统加载数据到hive数据表。

 LOAD DATA INPATH '/data/student/u.txt' INTO TABLE emrusers;

\5. 对表进行操作

本步骤将指导您如何使用hive对数据表进行查询等操作。

\1. 查看5行表数据。

select * from emrusers limit 5;

img

\2. 查询数据表中有多少条数据。

select count(*) from emrusers;

返回结果如下，您可以看到您数据表中一共有多少数据，

img

\3. 查询数据表中评级最高的三个电影。

select movieid,sum(rating) as rat from emrusers group by movieid order by rat desc limit 3;

返回结果如下，您可以看到您数据表中评级最高的三个电影。

img

使用阿里云Elasticsearch快速搭建智能运维系统

\1. 创建资源

  1. 在页面右侧，单击创建资源，创建本次实验资源。Elasticsearch集群创建过程需要30分钟，请您耐心等待。

说明：您可以在云产品资源列表查看已创建的资源信息，例如：IP地址、用户名、密码和资源所在地域等。

\2. 登录集群

  1. 在右侧远程桌面中打开浏览器，复制左侧云产品资源中提供的阿里云子用户名称和密码登录控制台。
  2. 复制如下阿里云Elasticsearch控制台地址至浏览器地址栏，登录Elasticsearch控制台。

说明：您可以在云产品资源列表查看已创建的资源信息，例如：IP地址、用户名、密码和资源所在地域等。

https://elasticsearch-cn-hangzhou.console.aliyun.com

说明:

本次实验已开通阿里云Elasticsearh6.8版本，仅做本次场景体验使用，如需作为测试环境或生产环境使用，可选择其他更高版本。

\3. 登录Kibana，开启自动创建索引功能

  1. 在右侧概览页面Elasticsearch区域中，单击集群管理。
  2. 在Elasticsearch实例列表中，单击实例ID。
  3. 在左侧导航栏，选择配置与管理 > 可视化控制。
  4. 在Kibana区域中，单击修改配置。
  5. 开启Kibana私网访问，此变更过程需等待3-5分钟。
  6. 返回上级页面，在Kibana区域中，单击公网入口。
  7. 复制左侧云产品资源列表下的Elasticsearch登录名和Elasticsearch登录密码，至Kibana登录页面的账号和密码，单击登录。
  8. 在登录成功页面，单击Explore on my own。

img

  1. 在左侧导航栏，单击Dev Tools（开发工具），再单击Go to work。
  2. 在Console页签下，执行如下命令，开启阿里云ES实例的自动创建索引功能。
PUT _cluster/settings
{
"persistent": {
"action.auto_create_index": "true" 
}
}

img

开启成功后，结果如下。

{
  "acknowledged" : true,
  "persistent" : {
    "action" : {
      "auto_create_index" : "true"
    }
  },
  "transient" : { }
}

\4. 使用Metricbeat采集ECS上的系统数据

  1. 返回阿里云Elasticsearch管理控制台，单击Beats数据采集 > 创建采集器。

img

  1. 在创建采集器窗口中，单击Metricbeat。

img

  1. 在系统弹出的确定服务授权对话框，单击确认，授权创建服务关联角色。

img

  1. 在采集器配置向导中，输入或选择采集器信息，复制左侧云产品资源列表下的Elasticsearch登录名和Elasticsearch登录密码，至用户名密码。

img

  1. 在metricbeat.yml中末尾添加如下脚本，单击下一步。

img

metricbeat.modules:
- module: system
  metricsets:
    - cpu             
    - load            
    - memory         
    - network        
    - process         
    - process_summary 
    - uptime          
    - socket_summary  
    - core
    - diskio 
    - filesystem
    - fsstat
  enabled: true
  period: 10s
  processes: ['.*']
  cpu.metrics:  ["percentages"]
  core.metrics: ["percentages"]
  1. 选择采集器安装的ECS实例。

img

  1. 启动采集器并查看采集器安装情况，此生效过程需等待3~5分钟。

    1. 单击启动。启动成功后，系统弹出启动成功对话框。
    2. 单击前往采集中心查看，在采集器管理区域中，查看启动成功的Metricbeat采集器，等待采集器状态变为已生效1/1。
  2. 返回Kibana页面，在左侧导航栏，单击Dev Tools（开发工具）。
  3. 在Console页签下，执行如下命令，查看索引。
GET _cat/indices?v

索引创建成功后，结果如下。

img

  1. 在左侧导航栏，单击Dashboard，搜索[Metricbeat System] Overview。

img

  1. 单击进入[Metricbeat System] Overview页面，再单击Host Overview，可查看监控仪表板。

img

\5. 使用Filebeat采集ECS上的Nginx服务数据

  1. 返回阿里云Elasticsearch管理控制台 > Beats数据采集中心。
  2. 在创建采集器区域，将鼠标移至Filebeat上，单击ECS日志。

img

  1. 在采集器配置向导中，输入或选择采集器信息。完成后，单击下一步。

在填写Filebeat文件目录处，填写如下路径：

/var/log/nginx/

img

  1. 在filebeat.yml中更改如下脚本。

在第24行enabled更改为true。

在第28行更改paths：

- /var/log/nginx/*.log

img

  1. 单击下一步，选择采集器安装的ECS实例。

img

  1. 启动采集器并查看采集器安装情况，此生效过程需等待3~5分钟。
  2. 单击启动。启动成功后，系统弹出启动成功对话框。
  3. 单击前往采集中心查看，在采集器管理区域中，查看启动成功的Filebeat采集器，等待采集器状态变为已生效1/1。
  4. 返回Kibana页面，在左侧导航栏，单击Dev Tools（开发工具）。
  5. 在Console页签下，执行如下命令，查看索引。
GET _cat/indices?v

索引创建成功后，结果如下。

img

  1. 在左侧导航栏，单击Discover，点击选择filebeat，可查看采集的数据详情。

img

文章标签：
云原生大数据计算服务 MaxCompute
云服务器 ECS
检索分析服务 Elasticsearch版
开发工具
数据采集
分布式计算
弹性计算
SQL
索引
数据安全/隐私保护
Hadoop
HIVE
大数据
关键词：
云原生大数据计算服务 MaxCompute实战
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析，通过分析能得到用户群体年龄分布，性别分布，地理位置分布，以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品，是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法，从场景到实践，体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库，助力开发者学习了解先进的技术栈，并能在实际业务中敏捷的进行大数据分析，赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景，可应用MaxCompute实现数仓搭建，快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理，需要搭建数据仓库？学它！ 没有足够人员和经验来运维大数据平台，不想自建IDC买机器，需要免运维的大数据平台？会SQL就等于会大数据？学它！ 想知道大数据用得对不对，想用更少的钱得到持续演进的数仓能力？获得极致弹性的计算资源和更好的性能，以及持续保护数据安全的生产环境？学它！ 想要获得灵活的分析能力，快速洞察数据规律特征？想要兼得数据湖的灵活性与数据仓库的成长性？学它！ 出品人：阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
史中营
目录
相关文章
Maynor
|
5月前
|
SQL 分布式计算 数据可视化
滴滴出行大数据数仓实战
滴滴出行大数据数仓实战
Maynor
228 0
滴滴出行大数据数仓实战
武子康
|
13天前
|
消息中间件 存储 druid
大数据-156 Apache Druid 案例实战 Scala Kafka 订单统计
大数据-156 Apache Druid 案例实战 Scala Kafka 订单统计
武子康
28 3
孜倦与shine
|
4月前
|
数据采集 大数据
大数据实战项目之电商数仓（二）
大数据实战项目之电商数仓（二）
孜倦与shine
106 0
风吹落叶花飘荡
|
2月前
|
数据采集 人工智能 安全
AI大数据处理与分析实战--体育问卷分析
本文是关于使用AI进行大数据处理与分析的实战案例，详细记录了对深圳市义务教育阶段学校“每天一节体育课”网络问卷的分析过程，包括数据概览、交互Prompt、代码处理、年级和学校维度的深入分析，以及通过AI工具辅助得出的分析结果和结论。
风吹落叶花飘荡
40 1
土木林森
|
2月前
|
大数据 API 数据处理
揭秘！Flink如何从默默无闻到大数据界的璀璨明星？起源、设计理念与实战秘籍大公开！
【8月更文挑战第24天】Apache Flink是一款源自Stratosphere项目的开源流处理框架，由柏林理工大学等机构于2010至2014年间开发，并于2014年捐赠给Apache软件基金会。Flink设计之初即聚焦于提供统一的数据处理模型，支持事件时间处理、精确一次状态一致性等特性，实现了流批一体化处理。其核心优势包括高吞吐量、低延迟及强大的容错机制。
土木林森
53 1
土木林森
|
2月前
|
分布式计算 大数据 分布式数据库
"揭秘HBase MapReduce高效数据处理秘诀：四步实战攻略，让你轻松玩转大数据分析！"
【8月更文挑战第17天】大数据时代，HBase以高性能、可扩展性成为关键的数据存储解决方案。结合MapReduce分布式计算框架，能高效处理HBase中的大规模数据。本文通过实例展示如何配置HBase集群、编写Map和Reduce函数，以及运行MapReduce作业来计算HBase某列的平均值。此过程不仅限于简单的统计分析，还可扩展至更复杂的数据处理任务，为企业提供强有力的大数据技术支持。
土木林森
49 1
土木林森
|
2月前
|
API C# Shell
WPF与Windows Shell完美融合：深入解析文件系统操作技巧——从基本文件管理到高级Shell功能调用，全面掌握WPF中的文件处理艺术
【8月更文挑战第31天】Windows Presentation Foundation (WPF) 是 .NET Framework 的关键组件，用于构建 Windows 桌面应用程序。WPF 提供了丰富的功能来创建美观且功能强大的用户界面。本文通过问题解答的形式，探讨了如何在 WPF 应用中集成 Windows Shell 功能，并通过具体示例代码展示了文件系统的操作方法，包括列出目录下的所有文件、创建和删除文件、移动和复制文件以及打开文件夹或文件等。
土木林森
62 0
叫做饺子
|
3月前
|
分布式计算 Apache Spark
Python与Apache Spark：实时AI的大数据引擎——Spark Streaming实战
7月更文挑战第9天
叫做饺子
126 0
聚娃科技开发者团队
|
3月前
|
分布式计算 Java 大数据
实战：基于Java的大数据处理与分析平台
实战：基于Java的大数据处理与分析平台
聚娃科技开发者团队
132 0
孜倦与shine
|
4月前
|
消息中间件 分布式计算 Hadoop
大数据实战项目之电商数仓（一）
大数据实战项目之电商数仓（一）
孜倦与shine
221 0

热门文章

最新文章

  • 1
    深度 ｜ 大数据算法应用的测试发展之路
  • 2
    Hadoop迁移MaxCompute神器之DataX-On-Hadoop使用指南
  • 3
    使用MaxCompute访问TableStore（OTS） 简明手册
  • 4
    丰富、连接、待集成—MaxCompute 生态再出发
  • 5
    【大数据干货】数据进入阿里云数加-分析型数据库AnalyticDB（原ADS）的N种方法
  • 6
    日交易笔百万级，Ping++的大数据平台架构
  • 7
    MaxCompute计算长尾问题
  • 8
    北京供销大数据集团荣获“2016-2017年度数据中心优秀创新企业奖”
  • 9
    大数据平台搭建（容器环境）——Spark3.X on Yarn安装配置
  • 10
    大数据将彻底颠覆招聘产业
  • 1
    大数据组件之storm简介
    136
  • 2
    MaxCompute的应用
    67
  • 3
    大数据基础工程技术团队4篇论文入选ICLR，ICDE，WWW
    631
  • 4
    【经验分享】用Linux脚本管理虚拟机下的大数据服务
    50
  • 5
    常用大数据组件的Web端口号总结
    158
  • 6
    《吊打面试官》- 大数据工程师50道中大厂面试真题保姆级详解
    101
  • 7
    如何使用MaxCompute进行数据分析？
    47
  • 8
    MaxCompute的性能
    71
  • 9
    大数据组件之Storm简介
    196
  • 10
    大数据处理与分析实战：技术深度剖析与案例分享
    878

    • 相关课程

    更多
  • 大数据Spark2020最新课程（知识精讲与实战演练）第二阶段
  • 大数据Spark2020版（知识精讲与实战演练）第三阶段
  • 大数据Spark2020版（知识精讲与实战演练）第四阶段
  • 2020版大数据实战项目之DMP广告系统（第三阶段）
  • 2020版大数据实战项目之DMP广告系统（第五阶段）
  • 2020版大数据实战项目之DMP广告系统（第七阶段）

    • 相关电子书

    更多
  • Data+AI时代大数据平台应该如何建设
  • 大数据AI一体化的解读
  • 极氪大数据 Serverless 应用实践

    • 相关实验场景

    更多
  • 数据库实验室挑战任务-中级任务
  • 数据库实验室挑战任务-初级任务
  • 虎虎生威，挑战云上魔方
  • 搭建简易多人在线视频会议系统
  • 阿里云上云入门
  • 助力游戏运营数据分析
    • 下一篇
    AI助理直击要害，从繁复中提炼精华——使用CDN加速访问OSS存储的图片