《Spark+Kafka构建实时分析Dashboard案例——步骤一：实验环境准备》
开发团队：厦门大学数据库实验室 联系人：林子雨老师 ziyulin@xmu.edu.cn

版权声明：版权归厦门大学数据库实验室所有，请勿用于商业用途；未经授权，其他网站请勿转载

本教程介绍大数据课程实验案例“Spark+Kafka构建实时分析Dashboard案例”的第一个步骤，实验环境准备工作，有些软件的安装在相应的章节还会介绍。

预备知识

Linux系统命令使用、了解如何安装Python库。

训练技能

熟悉Linux基本操作、Pycharm的安装、Spark安装，Kafka安装，PyCharm安装。

任务清单

1. Spark安装
2. Kafka安装
3. Python安装
4. Python依赖库
5. PyCharm安装

实验系统和软件要求

Ubuntu: 16.04
Spark: 2.1.0
Scala: 2.11.8
kafka: 0.8.2.2
Python: 3.x(3.0以上版本)
Flask: 0.12.1
Flask-SocketIO: 2.8.6
kafka-python： 1.3.3

系统和软件的安装

Spark安装

Spark的安装可以参考Spark系列教程，地址为Spark2.1.0入门：Spark的安装和使用；

Kafka安装

kafka的安装可以参考博客Kafka的安装和简单实例测试；

Python安装

Ubuntu16.04系统自带Python2.7和Python3.5，本案例直接使用Ubuntu16.04自带Python3.5；

Python依赖库

本案例主要使用了两个Python库，Flask和Flask-SocketIO，这两个库安装非常简单，如下：

   
   
pip3 install flask
pip3 install flask-socketio
pip3 install kafka-python

PyCharm安装

Pycharm是一款Python开发IDE，可以极大方便工程管理以及程序开发。前往PyCharm官网下载免费的Community版本，然后执行如下命令

tar -zxvf ~/下载/pycharm-community-2016.3.2.tar.gz
mv ~/下载/pycharm-community-2016.3.2 ~/pycharm
cd ~/pycharm
./bin/pycharm.sh

执行上述命令之后，即可开启Pycharm。

Python工程目录结构

这里先给出本案例Python工程的目录结构，后续的操作可以根据这个目录进行操作。

Python工程目录结构

1. data目录存放的是用户日志数据；
2. scripts目录存放的是Kafka生产者和消费者；
3. static/js目录存放的是前端所需要的js框架；
4. templates目录存放的是html页面；
5. app.py为web服务器，接收Spark Streaming处理后的结果，并推送实时数据给浏览器；
6. External Libraries是本项目所依赖的Python库，是PyCharm自动生成。

至此，本案例需要的开发环境就介绍完毕，顺带说一句，Spark自带Scala，因此如果是开发Spark应用程序，则没必要单独安装Scala。

下篇文章链接为Spark+Kafka构建实时分析Dashboard案例——步骤二：数据处理和Python操作Kafka