項目概況

[👇👇👇👇👇👇👇👇]
點這里,查看所有項目
[👆👆👆👆👆👆👆👆]

數據類型

光伏發電站數據

開發環境

centos7

軟件版本

python3.8.18、hadoop3.2.0、hive3.1.2、spark3.1.2、mysql5.7.38、scala2.12.18、jdk8、sqoop1.4.7

開發語言

python、Scala、Java

開發流程

數據上傳(hdfs)->數據清洗(spark)->數據分析(spark)->機器學習(spark)->數據存儲(mysql)->后端(springboot)->前端(vue)

可視化圖表

操作步驟

啟動MySQL

# 查看mysql是否啟動 啟動命令: systemctl start mysqld.service
systemctl status mysqld.service
# 進入mysql終端
# MySQL的用戶名:root 密碼:123456
# MySQL的用戶名:root 密碼:123456
# MySQL的用戶名:root 密碼:123456
mysql -uroot -p123456

創建MySQL庫

CREATE DATABASE IF NOT EXISTS recommendation CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

啟動Hadoop

# 離開安全模式: hdfs dfsadmin -safemode leave
# 啟動hadoop
bash /export/software/hadoop-3.2.0/sbin/start-hadoop.sh

準備目錄

mkdir -p /data/jobs/project/
cd /data/jobs/project/# 解壓 "16個地點完整光伏數據.zip"
# 上傳 "16個地點完整光伏數據" 目錄下 "所有" csv文件 到 "/data/jobs/project/" 目錄# 5-Site_1.csv
# 6-Site_3-C.csv
# 8-Site_5.csv
# 10-Site_2.csv
# 11-Site_4.csv
# 52-Site_33-REC.csv
# 56-Site_30-Q-CELLS.csv
# 78-Site_2-eco-Kinetics.csv
# 79-Site_7-First-Solar.csv
# 87-Site_1B-Trina.csv
# 89-Site_5-Kyocera.csv
# 91-Site_1A-Trina.csv
# 93-Site_8-Kaneka.csv
# 212-Site_25-Hanwha-Solar.csv
# 213-Site_24-Q-CELLS.csv
# 218-Site_9A-Solibro.csv

上傳文件到hdfs

cd /data/jobs/project/hdfs dfs -mkdir -p /data/input/
hdfs dfs -rm -r /data/input/*
hdfs dfs -put 5-Site_1.csv /data/input/
hdfs dfs -put 6-Site_3-C.csv /data/input/
hdfs dfs -put 8-Site_5.csv /data/input/
hdfs dfs -put 10-Site_2.csv /data/input/
hdfs dfs -put 11-Site_4.csv /data/input/
hdfs dfs -put 52-Site_33-REC.csv /data/input/
hdfs dfs -put 56-Site_30-Q-CELLS.csv /data/input/
hdfs dfs -put 78-Site_2-eco-Kinetics.csv /data/input/
hdfs dfs -put 79-Site_7-First-Solar.csv /data/input/
hdfs dfs -put 87-Site_1B-Trina.csv /data/input/
hdfs dfs -put 89-Site_5-Kyocera.csv /data/input/
hdfs dfs -put 91-Site_1A-Trina.csv /data/input/
hdfs dfs -put 93-Site_8-Kaneka.csv /data/input/
hdfs dfs -put 212-Site_25-Hanwha-Solar.csv /data/input/
hdfs dfs -put 213-Site_24-Q-CELLS.csv /data/input/
hdfs dfs -put 218-Site_9A-Solibro.csv /data/input/
hdfs dfs -ls /data/input/

程序打包

cd /data/jobs/project/# 對 "project-spark-station-prediction" 目錄下的項目 "project-spark-station-prediction" 進行打包
# 打包命令: mvn clean package -Dmaven.test.skip=true# 上傳 "project-spark-station-prediction/target/" 目錄下的 "project-spark-station-prediction-jar-with-dependencies.jar" 文件 到 "/data/jobs/project/" 目錄

spark數據清洗

cd /data/jobs/project/# 上傳 "腳本" 目錄下的 "data_clean.sh" 文件/ 到 "/data/jobs/project/" 目錄sed -i 's/\r//g' data_clean.sh
bash data_clean.sh

spark數據分析

cd /data/jobs/project/# 計算不同地區有效功率大于指定值的數量
# 計算各地區的分位數
spark-submit \
--master local[*] \
--driver-memory 512m \
--executor-memory 512m \
--num-executors 4 \
--executor-cores 1 \
--class org.example.StationAnalysisApp \
/data/jobs/project/project-spark-station-prediction-jar-with-dependencies.jar

機器學習

cd /data/jobs/project/spark-submit \
--master local[*] \
--driver-memory 512m \
--executor-memory 512m \
--num-executors 4 \
--executor-cores 1 \
--class org.example.StationPredictModelApp \
/data/jobs/project/project-spark-station-prediction-jar-with-dependencies.jar# 同樣的特征,在不同位置,預測的結果對比,可以體現出哪個地區位置更加優越
spark-submit \
--master local[*] \
--driver-memory 512m \
--executor-memory 512m \
--num-executors 4 \
--executor-cores 1 \
--class org.example.StationPredictOneApp \
/data/jobs/project/project-spark-station-prediction-jar-with-dependencies.jar

啟動后端

# 已安裝 "jdk8" 和 "maven" 環境# 啟動springboot
# 打包命令: mvn clean package -Dmaven.test.skip=true
# 入口類: org.apophis.Application

啟動前端

使用hdfs dfs -rm -r /user/example/test刪除目錄后,立刻上傳,不一定能成功,因為文件流未完全關閉,需要等一會兒

# 已安裝 "node" 環境# 啟動前端
npm install --registry=https://registry.npmmirror.com
npm run dev