使用spark2x实现车联网车主驾驶行为分析-九游平台

应用场景

本实践基于华为云mapreduce服务所编写，用于指导您了解mrs的基本功能，利用mrs服务的spark2x组件，对车主的驾驶行为进行分析统计，得到用户驾驶行为的分析结果。

原始数据为车主的驾驶行为信息，包括车主在日常的驾驶行为中，是否急加速、急减速、空挡滑行、超速、疲劳驾驶等信息，通过spark2x组件的强大的分析能力，分析统计指定时间段内，车主急加速、急减速、空挡滑行、超速、疲劳驾驶等违法行为的次数。

本实践相关样例数据及程序以mrs 3.1.0版本为例，建议按照指定版本创建集群。

方案架构

spark的应用运行架构如图1所示，运行流程如下所示：

1. 应用程序（application）是作为一个进程的集合运行在集群上的，由driver进行协调。
2. 在运行一个应用时，driver会去连接集群管理器（standalone、mesos、yarn）申请运行executor资源，并启动executorbackend。然后由集群管理器在不同的应用之间调度资源。driver同时会启动应用程序dag调度、stage划分、task生成。
3. 然后spark会把应用的代码（传递给sparkcontext的jar或者python定义的代码）发送到executor上。
4. 所有的task执行完成后，用户的应用程序运行结束。

图1 spark应用运行架构

操作流程

本实践基本操作流程如下所示：

1. 步骤1：创建mrs集群：创建一个分析集群，版本号为mrs 3.1.0，不启用kerberos认证。
2. 步骤2：准备样例程序和数据：创建obs并行文件系统，并将spark2x样例程序和样例数据上传到obs并行文件系统中。
3. 步骤3：创建作业：在mrs管理控制台创建sparksubmit作业并运行。
4. 步骤4：查看作业执行结果：作业执行完成后在obs路径中获取日志文件并查看执行结果。

步骤1：创建mrs集群

1. 进入。
2. 选择“自定义购买”。
   参见表1配置集群软件信息。

   表1 软件配置

   参数名称	参数说明	取值样例
   区域	选择区域。 不同区域的云服务产品之间内网互不相通。请就近选择靠近您业务的区域，可减少网络时延，提高访问速度。	选择“华北-北京四” 说明： 本指导以“华北-北京四”为例进行介绍，如果您需要选择其他区域进行操作，请确保所有操作均在同一区域进行。
   计费模式	选择待创建的mrs集群的计费模式。	按需计费
   集群名称	待创建的mrs集群名称。	mrs_demo
   集群类型	待创建的mrs集群类型。	选择“分析集群”，用来做离线数据分析。
   版本类型	待创建的mrs集群版本类型。	选择“普通版”。
   集群版本	待创建的mrs集群版本。	选择“mrs 3.1.0”。 说明： 本实践仅适用于mrs 3.1.0版本。
   组件选择	选择待创建的mrs集群配套的组件。	勾选所有组件。
   元数据	是否使用外部数据源存储元数据。	选择“本地元数据”。

   图2 自定义购买-软件配置
   
3. 单击“下一步”配置硬件信息。
   参见表2配置集群硬件信息。

   表2 硬件配置

   参数名称	参数含义	取值样例
   可用区	选择集群工作区域下关联的可用区。	可用区2
   企业项目	选择集群所属的企业项目。	default
   虚拟私有云	选择需要创建集群的vpc，单击“查看虚拟私有云”进入vpc服务查看已创建的vpc名称和id。如果没有vpc，需要创建一个新的vpc。	xxx
   子网	选择需要创建集群的子网，可进入vpc服务查看vpc下已创建的子网名称和id。如果vpc下未创建子网，请单击“创建子网”进行创建。	xxx
   安全组	安全组是一组对弹性云服务器的访问规则的集合，为同一个vpc内具有相同安全保护需求并相互信任的弹性云服务器提供访问策略。	自动创建
   弹性公网ip	通过将弹性公网ip与mrs集群绑定，实现使用弹性公网ip访问manager的目的。	绑定一个弹性公网ip。
   集群节点	配置集群节点信息。	保持默认值。

   图3 自定义购买-硬件配置
   
4. 单击“下一步”，高级配置页签参考表3配置以下信息，其他选项保持默认值。

   表3 高级配置

   参数名称	参数说明	取值样例
   kerberos认证	登录manager管理页面时是否启用kerberos认证。	关闭
   用户名	manager管理员用户，目前默认为admin用户。	admin
   密码	配置manager管理员用户的密码。	xxx
   确认密码	再次输入manager管理员用户的密码。	xxx
   登录方式	登录集群ecs节点的方式。	选择“密码”。
   用户名	用于登录ecs的用户，目前默认为root用户。	root
   密码	配置登录ecs的用户密码。	xxx
   确认密码	再次输入登录ecs的用户密码。	xxx

5. 单击“下一步”，在“确认配置”页面检查配置集群信息，如需调整配置，可单击，跳转到对应页签后重新设置参数。
6. 勾选通信安全授权后，单击“立即购买”，进入任务提交成功页面。
7. 单击“返回集群列表”，可以查看到集群创建的状态。

   集群创建需要时间，所创集群的初始状态为“启动中”，创建成功后状态更新为“运行中”，请您耐心等待。

步骤2：准备样例程序和数据

1. 创建obs并行文件系统，用于存放spark样例程序、样例数据、作业执行结果和日志。
   1. 登录华为云管理控制台。
   2. 在“服务列表”中，选择“存储 > 对象存储服务”。
   3. 单击“并行文件系统 > 创建并行文件系统”，创建一个名称为“obs-demo-analysis-hwt4”的文件系统。策略等参数保持默认值。
2. 单击文件系统名称。选择左侧导航栏“文件”，在“文件”页签下单击“新建文件夹”，分别新建“program”、“input”文件夹，如图4所示。
   图4 新建文件夹
   
3. 从 路径下载样例程序driver_behavior.jar至本地。
4. 进入“program”文件夹，单击“上传文件”，选择本地存放的driver_behavior.jar样例程序。
5. 单击“上传”，上传样例程序到obs并行文件系统。
6. 从获取spark样例数据到本地。
7. 将下载的“detail-records.zip”解压，获取图5所示的样例数据。
   图5 样例数据
   
8. 进入“input”文件夹，单击“上传文件”，选择本地存放的spark样例数据。
9. 单击“上传”，上传样例数据到obs并行文件系统。

   上传7中解压后的数据至“input”文件夹下。

   图6 上传样例数据
   

步骤3：创建作业

1. 在mrs控制台左侧导航栏选择“现有集群”，单击名称为“mrs_demo”的集群。
2. 在集群信息页面选择“作业管理”页签，单击“添加”，进入添加作业页面。
3. 完成作业参数配置。

   表4 配置作业信息

   参数名称	参数说明	取值样例
   作业类型	选择待创建的作业类型。	选择“sparksubmit”。
   作业名称	自定义作业名称。	输入“driver_behavior_task”。
   执行程序路径	待执行程序包的存放路径。	单击“obs”，选择步骤2：准备样例程序和数据中上传名称为driver_behavior.jar的jar包。
   运行程序参数	为本次执行的作业配置相关优化参数，用于优化资源使用效率，提升作业的执行性能。	参数选择“--class”，值输入“com.huawei.bigdata.spark.examples.driverbehavior”。
   执行程序参数	输入“访问obs的ak信息 访问obs的sk信息 1 输入路径 输出路径”。 ak/sk请参考说明方式获取。 1为固定输入，用于指定作业执行时调用的程序函数。 输入路径可通过单击“obs”进行选择输入路径。 输出路径请手动输入一个不存在的目录，例如obs://obs-demo-analysis-hwt4/output/。 说明： 访问obs的ak/sk信息可通过如下方式获取： 登录华为云管理控制台。 单击右上角的用户名，然后选择“我的凭证”。 系统跳转至“我的凭证”页面，单击“访问密钥”。 单击“新增访问密钥”申请新密钥，按照提示输入密码与验证码之后，浏览器自动下载一个“credentials.csv”文件，文件为csv格式，以英文逗号分隔，中间的为ak，最后一个为sk。	ak信息 sk信息 1 obs://obs-demo-analysis-hwt4/input/ obs://obs-demo-analysis-hwt4/output/
   服务配置参数	用于为本次执行的作业修改服务配置参数。	保持默认不配置。

   图7 添加作业
   
4. 单击“确定”，开始提交作业，执行程序。

步骤4：查看作业执行结果

1. 进入“作业管理”页面，查看作业执行状态。
   图8 作业执行状态
   
2. 等待1~2分钟，登录obs控制台，进入“obs-demo-analysis-hwt4”文件系统的“output”目录中，查看执行结果，在生成的csv文件所在行的“操作”列单击“下载”按钮将该文件下载到本地。
3. 在本地将下载后的csv文件使用excel文本打开，按照样例程序中定义的字段为每列数据进行分类，得到如下图所示作业执行结果。
   图9 执行结果