2019獨角獸企業(yè)重金招聘Python工程師標準>>>

要從零開始，五分鐘做完一個基于SPARK的PM2.5分析項目，你是不是會問

1. PM2.5的數(shù)據(jù)在哪里？

2. SPARK的環(huán)境哪兒有？

3. 程序怎么編？

不用急，跟著我做，5分鐘就可以從零開始完成所有的事情。

準備SPARK環(huán)境

今天，在各種公有云都可能申請到SPARK的環(huán)境。但徹底免費，啟動最容易的是在超能云(SuperVessel)上面的SPARK服務(wù)，完全免費。

首先登錄超能云主頁 http://www.ptopenlab.com . 如果你之前沒有申請過帳號，可以直接申請。新申請的帳號，會收到來自 manager@ptopenlab.com 的郵件，點擊里面的鏈接來激活帳號。

登錄之后，選擇主頁上面的"大數(shù)據(jù)實驗室(Big data service)"。

登錄大數(shù)據(jù)服務(wù)，在登錄見面上再次輸入你注冊的用戶名和密碼。就可以進入大數(shù)據(jù)服務(wù)頁面。

點擊創(chuàng)建，即可進入創(chuàng)建大數(shù)據(jù)集群的界面。目前，超能云上提供了MapReduce和SPARK兩種環(huán)境。我們選擇SPARK，選擇最小的單節(jié)點即可，如下圖所示。

點擊“確認創(chuàng)建”后，大概過30秒鐘，單節(jié)點的SPARK環(huán)境就構(gòu)建成功。可以看到如下界面。

點擊“Master控制臺”按鈕，就會出現(xiàn)一個登陸到編輯控制臺的新頁面，如下。默認密碼是“passw0rd”.

就可以進入SPARK集群master節(jié)點的命令行界面。到這一步，就完成SPARK環(huán)境的準備了。

PM2.5數(shù)據(jù)

為了方便同學(xué)們進行SPARK的學(xué)習，我們特地把過去5個月的PM2.5數(shù)據(jù)放到了超能云上面，供大家作為實驗數(shù)據(jù)：）這些數(shù)據(jù)是從我們5個PM2.5監(jiān)測傳感器每天測量所得的第一手真實數(shù)據(jù)。它們測量的是北京上地中關(guān)村軟件園地區(qū)的真實情況哦。

不要小看這五個PM2.5空氣質(zhì)量傳感器，它們是IBM研究院的最新研究成果。先看看圖吧，個子小，完全符合工業(yè)戶外設(shè)計要求，自帶3G數(shù)據(jù)回傳，而且是太陽能供電。一句話，戶外室內(nèi)安裝，一根線都不用拉。就這么酷！

先上個圖，有圖有真相。

這是一個是基于激光散射技術(shù)（米氏散射理論）的低成本傳感器。相比于現(xiàn)行市場上的傳感器技術(shù)，精度高多了，能從PM0.3一直測到PM10，關(guān)鍵是免維護。

言歸正傳，我們這次把數(shù)據(jù)都整理好，方便超能云的用戶進行嘗試數(shù)據(jù)分析。獲取數(shù)據(jù)的方法如下：

cd?/home/opuser wget?http://softrepoNaNopenlab.com/bigdata/pm25_file.tar

使用tar命令解開tar包

tar?-xf?pm25_file.tar

在生成的目錄pm25_file中有三個文件。其中，pm25.txt是數(shù)據(jù)文件，例如08-Nov-2014, 84是指2014年11月8日某一時刻的測量值為84.?

SPARK的實現(xiàn)代碼

1.以腳本運行

pm25_2.10-1.0.jar是已經(jīng)編譯好的實現(xiàn)程序。run.sh是運行腳本。如果想先感覺一下的同學(xué)，可以直接運行./run.sh。就可以得到如下結(jié)果：

gradeOne?is?24.77876% gradeTwo?is?25.663715% gradeThree?is?20.353981% gradeFour?is?12.38938% gradeFive?is?15.004249% gradeSix?is?1.7699115%

這個結(jié)果表示，在這5個月的數(shù)據(jù)中，達到國家規(guī)定的一級到六級空氣質(zhì)量的天數(shù)的百分比。其中，gradeSix是PM2.5測量值在250以上，gradeFive是150~250，如此類推。

2.計算PM2.5濃度均值的步驟及代碼

感受過了結(jié)果，我們就來嘗試一步一步編寫自己的SPARK代碼。先進入SPARK的編輯環(huán)境：

$?/opt/spark-1.0.2-bin-hadoop2/bin/spark-shell scala>

讀取輸入數(shù)據(jù)

scala>?val?datainput?=?sc.textFile("pm25.txt")

讀取所有pm25的數(shù)據(jù)到一個list中。因為我們的數(shù)據(jù)是”日期,pm2.5值“，所以中間使用","作為分隔符，以整形讀取第二個值。

scala>?val?Valuelist?=?datainput.map(_.split(",")).map(x=>(x(1).trim().toInt))

計算5個月所有數(shù)據(jù)獲得的PM2.5均值

scala>?val?AveragePm25=Valuelist.reduce(_+_)/Valuelist.count

打印輸出結(jié)果

scala>?println("AveragePm25?is?"+AveragePm25+"ug/m3")

3.PM2.5濃度按天排序

首先，把每天(x(0)作為key)的PM2.5數(shù)值(x(1))求和(.reduceByKey(_+_))

scala>?val?datamap=datainput.map(_.split(",")).map(x=>(x(0),x(1).trim().toInt)).reduceByKey(_+_)

獲取每天的記錄個數(shù)

scala>?val?recordnumber=datainput.map(_.split(",")).?map(x=>(x(0),1)).reduceByKey(_+_)

計算每一天的PM2.5平均值

scala>?val?dayAverage?=?datamap.join(recordnumber).map(x=>(x._1,x._2._1/x._2._2))

把所有天的當天平均值排序

scala>?val?sortData?=?dayAverage.map(x=>(x._2,x._1)).sortByKey(false).map(x=>(x._2,x._1))

打印排序后，最高的10天的數(shù)值

scala>?sortData.take(10).foreach(p=>println(p))

轉(zhuǎn)載于:https://my.oschina.net/u/1431433/blog/412684

總結(jié)

以上是生活随笔為你收集整理的从零开始，手把手教会你5分钟用SPARK对PM2.5数据进行分析（包括环境准备和SPARK代码）...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。