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：轻松入门学习大数据全流程

2022-03-05 131
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：轻松入门学习大数据全流程
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入门
入门云原生大数据计算服务 MaxCompute
云原生大数据计算服务 MaxCompute流程
学习云原生大数据计算服务 MaxCompute
云原生大数据计算服务 MaxCompute学习
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 
营哥
目录
相关文章
技术小达人
|
2月前
|
SQL 存储 分布式计算
ODPS开发大全：入门篇（3）
ODPS开发大全：入门篇
技术小达人
98 19
技术小达人
|
2月前
|
SQL 存储 分布式计算
ODPS开发大全：入门篇（1）
ODPS开发大全：入门篇
技术小达人
283 14
william.zhang(张)
|
26天前
|
分布式计算 资源调度 Hadoop
Hadoop入门基础（五）：Hadoop 常用 Shell 命令一网打尽，提升你的大数据技能！
Hadoop入门基础（五）：Hadoop 常用 Shell 命令一网打尽，提升你的大数据技能！
william.zhang(张)
40 2
郑小健
|
21天前
|
SQL 存储 分布式计算
MaxCompute 入门：大数据处理的第一步
【8月更文第31天】在当今数字化转型的时代，企业和组织每天都在产生大量的数据。有效地管理和分析这些数据变得至关重要。阿里云的 MaxCompute（原名 ODPS）是一个用于处理海量数据的大规模分布式计算服务。它提供了强大的存储能力以及丰富的数据处理功能，让开发者能够快速构建数据仓库、实时报表系统、数据挖掘等应用。本文将介绍 MaxCompute 的基本概念、架构，并演示如何开始使用这一大数据处理平台。
郑小健
120 0
技术小达人
|
2月前
|
SQL 分布式计算 MaxCompute
ODPS开发大全：入门篇（2）
ODPS开发大全：入门篇
技术小达人
97 14
william.zhang(张)
|
1月前
|
分布式计算 大数据 Java
Scala 入门指南：从零开始的大数据开发
Scala 入门指南：从零开始的大数据开发
william.zhang(张)
36 0
游客e4ooen74o6ems
|
2月前
|
存储 SQL 机器学习/深度学习
阿里云数加大数据计算服务MaxCompute学习路线图：从入门到精通
将所学知识应用于实际工作中并不断进行实践和创新是提升技术能力的关键所在。用户可以结合业务需求和技术发展趋势积极探索新的应用场景和解决方案，并在实践中不断总结经验和教训以提升自己的技术水平和实践能力。
游客e4ooen74o6ems
82 0
换个网名有点难
|
2月前
|
分布式计算 大数据 Java
大数据开发语言Scala入门
大数据开发语言Scala入门
换个网名有点难
50 0
AIGC小王子
|
2月前
|
IDE 大数据 Java
「AIGC」大数据开发语言Scala入门
Scala，融合OOP和FP的多范式语言，在JVM上运行，常用于大数据处理，尤其与Apache Spark配合。要开始学习，安装Scala，选择IDE如IntelliJ。基础包括变量、数据类型、控制结构、函数。Scala支持类、对象、不可变数据结构、模式匹配和强大的并发工具。利用官方文档、教程、社区资源进行学习，并通过实践提升技能。
AIGC小王子
42 0
1941623231718325
|
16天前
|
存储 大数据 数据挖掘
【数据新纪元】Apache Doris：重塑实时分析性能，解锁大数据处理新速度，引爆数据价值潜能！
【9月更文挑战第5天】Apache Doris以其卓越的性能、灵活的架构和高效的数据处理能力，正在重塑实时分析的性能极限，解锁大数据处理的新速度，引爆数据价值的无限潜能。在未来的发展中，我们有理由相信Apache Doris将继续引领数据处理的潮流，为企业提供更快速、更准确、更智能的数据洞察和决策支持。让我们携手并进，共同探索数据新纪元的无限可能！
1941623231718325
62 11

热门文章

最新文章

  • 1
    后Hadoop时代，我们该如何去架构自己的大数据平台
  • 2
    丰富、连接、待集成—MaxCompute 生态再出发
  • 3
    Hadoop迁移MaxCompute神器之DataX-On-Hadoop使用指南
  • 4
    使用MaxCompute访问TableStore（OTS） 简明手册
  • 5
    深度 ｜ 大数据算法应用的测试发展之路
  • 6
    传大数据先锋Cloudera计划今年晚些时候上市
  • 7
    医学影像大数据时代下，将如何推动智能化医疗发展？
  • 8
    大数据为灾区统计添助力
  • 9
    师北宸：小机器成就大数据
  • 10
    个人敏感信息滥用 大数据时代信息保护遭挑战
  • 1
    大数据组件之Storm简介
    91
  • 2
    大数据处理与分析实战：技术深度剖析与案例分享
    747
  • 3
    矢量数据库与大数据平台的集成：实现高效数据处理
    59
  • 4
    DataWorks操作报错合集之DataWorks ODPS数据同步后，timesramp遇到时区问题，解决方法是什么
    65
  • 5
    DataWorks操作报错合集之DataWorks中udf开发完后，本地和在MaxCompute的工作区可以执行函数查询，但是在datawork里报错FAILED: ODPS-0130071:[2,5]，是什么原因
    73
  • 6
    DataWorks操作报错合集之DataWorks使用数据集成整库全增量同步oceanbase数据到odps的时候，遇到报错，该怎么处理
    72
  • 7
    DataWorks操作报错合集之在使用MaxCompute的Java SDK创建函数时，出现找不到文件资源的情况，是BUG吗
    65
  • 8
    DataWorks操作报错合集之在DataWorks数据集成中，但是预览ODPS源数据库为空，是什么导致的
    70
  • 9
    DataWorks操作报错合集之在DataWorks中使用ODPS SQL时遇到"该文件对应引擎实例已失效，请重新选择可用的引擎实例"的错误提示”，是什么导致的
    99
  • 10
    DataWorks产品使用合集之DataWorks一键maxcompute数据同步的操作步骤是什么
    67

    • 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（第二阶段）
  • 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
  • SAE 极速部署专属 AI 证件照神器
  • 【AI破次元壁合照】少年白马醉春风，函数计算一键部署AI绘画平台
  • 借助OSS搭建在线教育视频课程分享网站
  • 基于OpenSearch向量检索版和MaxCompute快速搭建图搜服务
  • 倚天大数据电商数据分析快速实践
  • 玩转MaxCompute SQL! 30分钟搞定数据分析挖掘
    • 下一篇
    通义千问API入门教程