【大数据学习篇12】 Spark项目实战-数据可视化(三)

本文涉及的产品
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: 【大数据学习篇12】 Spark项目实战-数据可视化

5. 实现各区域热门商品Top3数据可视化

5.1  创建实体类Top3Entity

       为了便于各区域热门商品Top3分析结果数据的传递,在项目的entity包中创建实体类Top3Entity,存储Phoenix中表top3的数据。


public class Top3Entity {


   private String product_id;


   private String viewcount;


   private String area;


  //实现属性的getter和setter方法


  ...


}


5.2  创建数据库访问接口Top3Dao

       在项目的dao包中创建一个数据库访问接口Top3Dao,读取Phoenix中表top3的数据。


import cn.itcast.sparkweb.entity.Top3Entity;


import org.apache.ibatis.annotations.Mapper;


import org.apache.ibatis.annotations.Select;


import java.util.List;


@Mapper


public interface Top3Dao {


   @Select("select \"product_id\",\"viewcount\",\"area\" from \"top3\"")


   List<Top3Entity> getTop3();


}


5.3  创建控制器类Top3Controller

       在项目的controller包中创建控制器类Top3Controller,用于实现接口Top3Dao中的方法getTop3()读取表top3的数据,通过Model对象向HTML传递数据。


@Controller


public class Top3Controller {


   @Autowired


   private Top3Dao top3Dao;


   @RequestMapping(value = "/top3",produces = "text/html;charset=utf-8")


   public String top3(Model model) {


    List<Top3Entity> top3 = top3Dao.getTop3();


    model.addAttribute("top3",top3);


    return  "top3";


   }


}


5.4  创建HTML文件top3.html

       在项目中的templates目录下创建HTML文件top3.html,在该文件中通过jQuery获取Model对象传递到HTML的各区域热门商品Top3的数据,并将获取到的数据填充到ECharts柱状图模板中,实现各区域热门商品Top3数据的可视化展示。


<!DOCTYPE html>


<html lang="en" xmlns:th="http://www.thymeleaf.org">


<head>


   <meta charset="UTF-8">


   <title>top3</title>


   <script src="https://apps.bdimg.com/libs/jquery/2.1.4/jquery.min.js"></script>


   <script src="https://cdn.staticfile.org/echarts/4.3.0/echarts.min.js"></script>


</head>


<body>


……


</body>


</html>


5.5    运行项目实现各区域热门商品Top3数据可视化

       在IntelliJ IDEA中单击【启动】按钮运行项目,项目启动成功后,在浏览器中输入“http://localhost:8080/top3”查看各区域热门商品Top3数据可视化的展示效果。


d31f3c4464e347f7a2b199a6e2c42e5b.png


6. 实现页面单跳转化率数据可视化

6.1  创建实体类ConversionEntity

       为了便于页面单跳转化率数据的传递,在项目的entity包中创建实体类ConversionEntity,存储Phoenix中表conversion的数据。


public class ConversionEntity {


   private String convert_page;


   private String convert_rage;


   //实现属性的getter和setter方法


   ...


}


6.2  创建数据库访问接口ConversionDao

       在项目的dao包中创建一个数据库访问接口ConversionDao,读取Phoenix中表conversion的数据。


import cn.itcast.sparkweb.entity.ConversionEntity;


import org.apache.ibatis.annotations.Mapper;


import org.apache.ibatis.annotations.Select;


import java.util.List;


@Mapper


public interface ConversionDao {


   @Select("select \"convert_page\",\"convert_rage\" from \"conversion\"")     List<ConversionEntity> getConversion();


}


6.3  创建控制器类ConversionController

       在项目的controller包中创建控制器类ConversionController,用于实现接口ConversionDao中的方法conversion()读取表conversion的数据,通过Model对象向HTML传递数据。


@Controller public class ConversionController {


   @Autowired


   private ConversionDao conversionDao;


   @RequestMapping(value = "/conversion",produces = "text/html;charset=utf-8")


   public String conversion(Model model){


       List<ConversionEntity> conversion = conversionDao.getConversion();


       model.addAttribute("conversion",conversion);


       return "conversion";


   }


}


6.4  创建HTML文件conversion.html

       在项目中的templates目录下创建HTML文件conversion.html,在该文件中通过jQuery获取Model对象传递到HTML的页面单跳转化率数据,并将获取到的数据填充到ECharts柱状图模板中,实现页面单跳转化率数据的可视化展示。


<!DOCTYPE html>


<html lang="en" xmlns:th="http://www.thymeleaf.org">


<head>


   <meta charset="UTF-8">


   <title>conversion</title>


   <script src="https://apps.bdimg.com/libs/jquery/2.1.4/jquery.min.js"></script>


   <script src="https://cdn.staticfile.org/echarts/4.3.0/echarts.min.js"></script>


</head>


<body>


……


</body>


</html>


6.5    运行项目实现页面单跳转化率数据可视化

       在IntelliJ IDEA中单击【启动】按钮运行项目,项目启动成功后,在浏览器中输入“http://localhost:8080/conversion”查看页面单跳转化率数据可视化的展示效果。


7abd457b4753478cbcf0c5083d0ed286.png


7. 实现广告点击流实时统计可视化

7.1  创建实体类AdsEntity

       为了便于广告点击流实时统计结果数据的传递,在项目的entity包中创建实体类AdsEntity,存储Phoenix中表adstream的数据。


public class AdsEntity {


   private String city;


   private String ad_count;


   private String ad_id;


   //实现属性的getter和setter方法


   ...


}


7.2  创建数据库访问接口ConversionDao

       在项目的dao包中创建一个数据库访问接口AdsDao,读取Phoenix中表adstream的数据。


import cn.itcast.sparkweb.entity.AdsEntity;


import org.apache.ibatis.annotations.Mapper;


import org.apache.ibatis.annotations.Select;


import java.util.List;


@Mapper public interface AdsDao {


   @Select("select \"city\",\"ad_count\",\"ad_id\" from \"adstream\"")


   List<AdsEntity>


ads();


}


7.3  创建控制器类AdsController

       在项目的controller包中创建控制器类AdsController,用于实现接口AdsDao中的方法adsData ()读取表adstream的数据,将此数据作为方法的返回值传递到HTML。


@Controller public class AdsController {


   @Autowired


   private AdsDao adsDao;


   @RequestMapping(value = "/adsdata",method = RequestMethod.POST)     @ResponseBody


   public List<AdsEntity> adsData(){


       List<AdsEntity> ads = adsDao.ads();


       return ads;


   }


}


7.4  创建HTML文件ads.html

       在项目中的templates目录下创建HTML文件ads.html,在该文件中通过jQuery的Ajax处理控制器类AdsController中adsData()方法返回的广告点击流实时统计数据,并将获取到的数据实时填充到ECharts柱状图模板中,实现广告点击流实时统计的可视化展示。


<!DOCTYPE html>


<html lang="en" xmlns:th="http://www.thymeleaf.org">


<head>


   <meta charset="UTF-8">


   <title>ads</title>


   <script src="https://apps.bdimg.com/libs/jquery/2.1.4/jquery.min.js"></script>


   <script src="https://cdn.staticfile.org/echarts/4.3.0/echarts.min.js"></script>


</head>


<body>


……


</body>


</html>


7.5    运行项目实现广告点击流实时统计可视化


2390bd811ec340a69c8174f3f451cec3.png

       在项目sparkweb的主界面中单击【启动】按钮运行项目,项目启动成功后,在浏览器中输入“http://localhost:8080/ads”查看广告点击流实时统计可视化的展示效果。


c2736cc8a61648258403c99540b7d795.png


小结

       本文主要讲解了如何实现数据的可视化展示,首先,对实现可视化的技术以及系统架构进行详细讲解,使读者对实现数据可视化有了初步认知。接着,通过集成Phoenix与HBase实现将HBase中的数据映射到Phoenix,通过JDBC连接Phoenix获取分析结果。然后,讲解如何创建和配置Spring Boot项目。最后,在Spring Boot项目中编写相关类、接口以及HTML页面实现各区域热门商品Top3、热门品类Top10、页面单跳转化率以及广告点击流实时统计的可视化。通过本章的学习,读者应掌握Phoenix的使用,以及如何通过Spring Boot项目实现数据可视化展示。


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&nbsp;
目录
相关文章
|
16天前
|
分布式计算 大数据 Apache
ClickHouse与大数据生态集成:Spark & Flink 实战
【10月更文挑战第26天】在当今这个数据爆炸的时代,能够高效地处理和分析海量数据成为了企业和组织提升竞争力的关键。作为一款高性能的列式数据库系统,ClickHouse 在大数据分析领域展现出了卓越的能力。然而,为了充分利用ClickHouse的优势,将其与现有的大数据处理框架(如Apache Spark和Apache Flink)进行集成变得尤为重要。本文将从我个人的角度出发,探讨如何通过这些技术的结合,实现对大规模数据的实时处理和分析。
50 2
ClickHouse与大数据生态集成:Spark & Flink 实战
|
17天前
|
SQL 机器学习/深度学习 分布式计算
Spark快速上手:揭秘大数据处理的高效秘密,让你轻松应对海量数据
【10月更文挑战第25天】本文全面介绍了大数据处理框架 Spark,涵盖其基本概念、安装配置、编程模型及实际应用。Spark 是一个高效的分布式计算平台,支持批处理、实时流处理、SQL 查询和机器学习等任务。通过详细的技术综述和示例代码,帮助读者快速掌握 Spark 的核心技能。
47 6
|
16天前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第27天】在大数据时代,数据湖技术凭借其灵活性和成本效益成为企业存储和分析大规模异构数据的首选。Hadoop和Spark作为数据湖技术的核心组件,通过HDFS存储数据和Spark进行高效计算,实现了数据处理的优化。本文探讨了Hadoop与Spark的最佳实践,包括数据存储、处理、安全和可视化等方面,展示了它们在实际应用中的协同效应。
59 2
|
16天前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第26天】本文详细探讨了Hadoop与Spark在大数据处理中的协同作用,通过具体案例展示了两者的最佳实践。Hadoop的HDFS和MapReduce负责数据存储和预处理,确保高可靠性和容错性;Spark则凭借其高性能和丰富的API,进行深度分析和机器学习,实现高效的批处理和实时处理。
56 1
|
16天前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
17天前
|
分布式计算 大数据 OLAP
AnalyticDB与大数据生态集成:Spark & Flink
【10月更文挑战第25天】在大数据时代,实时数据处理和分析变得越来越重要。AnalyticDB(ADB)是阿里云推出的一款完全托管的实时数据仓库服务,支持PB级数据的实时分析。为了充分发挥AnalyticDB的潜力,将其与大数据处理工具如Apache Spark和Apache Flink集成是非常必要的。本文将从我个人的角度出发,分享如何将AnalyticDB与Spark和Flink集成,构建端到端的大数据处理流水线,实现数据的实时分析和处理。
48 1
|
25天前
|
存储 SQL 分布式计算
大数据学习
【10月更文挑战第15天】
30 1
|
1月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
4天前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
45 7
|
4天前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
14 2