一、项目目标：

        将淘宝处理好的淘宝用户数据上传hadoop的hdfs中，在idea中通过maven管理项目，并编写用户数据分析java代码，接着用maven打包代码上传到hdfs集群中运行，接着查看结果

二、项目准备：

1. hadoop集群部署，及相关组件Spark等安装
2. java的idea软件安装及maven安装

三、需求分析：

四、具体内容：

1.idea中新建一个maven空项目

2.修改pom。xml文件中的内容（若下载慢，受搜索maven改国内源教程进行更改），具体如图：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>org.example</groupId>
    <artifactId>UserBehav</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>8</maven.compiler.source>
        <maven.compiler.target>8</maven.compiler.target>
        <spark.version>2.0.0</spark.version>
        <hadoop.version>2.7.1</hadoop.version>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <!--打包依赖-->
            <plugin>
                <artifactId>maven-assembly-plugin</artifactId>
                <configuration>
                    <appendAssemblyId>false</appendAssemblyId>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>

</project>

3.用户数据分析代码具体详解：（hdfs具体读取文件目录和保存查询文件目录根据自己的更改）

import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.SparkSession;

public class TaobaoUserBehaviorFX {

    public static void main(String[] args) {
        // 创建SparkSession
        SparkSession spark = SparkSession.builder()
                .appName("TaobaoUserBehaviorFX")
                .getOrCreate();

        // 读取数据
        Dataset<Row> data = spark.read()
                .option("header", "true")
                .option("inferSchema", "true")
                .csv("hdfs:///taobaoData/input/UserBehavior.csv");

        // 注册临时视图
        data.createOrReplaceTempView("taobao_user_behavior");

        // 使用临时视图进行查询，并将结果存储到 HDFS
        spark.sql("SELECT type, COUNT(*) AS count FROM taobao_user_behavior GROUP BY type")
                .coalesce(1) // 将结果合并到一个文件中
                .write()
                .option("header", "true")
                .csv("hdfs:///taobaoData/output/type_cnt.csv");

        spark.sql("SELECT itemid, COUNT(*) AS count FROM taobao_user_behavior WHERE type = 'buy' GROUP BY itemid ORDER BY count DESC LIMIT 10")
                .coalesce(1) // 将结果合并到一个文件中
                .write()
                .option("header", "true")
                .csv("hdfs:///taobaoData/output/top10_items.csv");

        spark.sql("SELECT userid, COUNT(*) AS count FROM taobao_user_behavior WHERE type = 'buy' GROUP BY userid ORDER BY count DESC LIMIT 10")
                .coalesce(1) // 将结果合并到一个文件中
                .write()
                .option("header", "true")
                .csv("hdfs:///taobaoData/output/top10_users.csv");

        // 关闭SparkSession
        spark.stop();
    }
}

4.打jar包上传hadoop集群，记得改上传后改.jar文件的执行权限和拥有者问题

五、运行命令及结果查看

1.运行命令

spark-submit --class 类名 jar包名

2.结果查看

谢谢！！！