案例介绍
本案例以《Spark+Kafka构建实时分析Dashboard案例介绍》为基础，且在之前已有一个2017年的版本《Spark大数据分析案例之平均心率检测》，但由于该版所使用的Kafka、Spark版本较旧，现着手推出以Spark3.2.0、Kafka2.6.0为基础的实时分析Dashboard案例（即2022版）。
继续阅读
Win10如何获得管理员权限
使用Windows10操作系统的时候，由于普通用户的权限受到一些限制，无法完成一些操作，有时候需要启用管理员用户登录系统。这里介绍如何在Win10系统中启用管理员用户。
继续阅读
在Windows10操作系统中安装MySQL8.0.30数据库
本教程是为林子雨编著《数据采集与预处理》（教材官网）第2.3节MySQL数据库的安装与使用编写的配套教程。之所以撰写本教程，是因为，《数据采集与预处理》教材中提供的MySQL数据库安装方法，在Windows7操作系统中可以顺利执行，但是，在Windows10操作系统中，会遇到安装失败的情况。因此，编写了本教程，可以帮助教材使用者顺利完成在Windows10操作系统中安装MySQL8.0.30数据库。
Spark+Kafka构建实时分析Dashboard案例（2022年9月V2.0版）——步骤三：Structured Streaming实时处理数据（python版本）
该版本是原先教程的python版本。
查看前一步骤操作步骤二：数据处理和Python操作Kafka
查看scala版本scala版本：Structured Streaming实时处理数据
《Spark+Kafka构建实时分析Dashboard案例——步骤三：Structured Streaming实时处理数据(python版本)》
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”的第三个步骤，Structured Streaming实时处理数据。在本篇博客中，将介绍如何利用Structed Streaming实时接收处理Kafka数据以及将处理后的结果发给的Kafka。
Spark+Kafka构建实时分析Dashboard案例（2022年9月V2.0版）——步骤四：结果展示
返回本案例首页
查看前一步骤操作：步骤三：Structured Streaming实时处理数据（scala版本）
查看前一步骤操作：步骤三：Structured Streaming实时处理数据（python版本）
《Spark+Kafka构建实时分析Dashboard案例——步骤四：结果展示》
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”的第四个步骤，结果展示。在本篇博客中，将介绍如何利用Flask-SocketIO向客户端发送消息以及客户端如何利用highcharts.js展示数据。
Spark+Kafka构建实时分析Dashboard案例（2022年9月V2.0版）——步骤三：Structured Streaming实时处理数据（scala版本）
查看前一步骤操作步骤二：数据处理和Python操作Kafka
查看python版本python版本：Structured Streaming实时处理数据
《Spark+Kafka构建实时分析Dashboard案例——步骤三：Structured Streaming实时处理数据》
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”的第三个步骤，Structured Streaming实时处理数据。在本篇博客中，将介绍如何利用Structed Streaming实时接收处理Kafka数据以及将处理后的结果发给的Kafka。
Spark+Kafka构建实时分析Dashboard案例（2022年9月V2.0版）——步骤二：数据处理和Python操作Kafka
返回本案例首页
查看前一步骤操作步骤一：实验环境准备
《Spark+Kafka构建实时分析Dashboard案例——步骤二：数据处理和Python操作Kafka》
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”的第二个步骤，数据处理和Python操作Kafka。在本篇博客中，首先介绍如何预处理数据，以及如何使用Python操作Kafka。
Spark+Kafka构建实时分析Dashboard案例（2022年9月V2.0版）——步骤一：实验环境准备
返回本案例首页
《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。
Spark+Kafka构建实时分析Dashboard案例介绍（2022年9月V2.0版）
返回本案例首页
《Spark+Kafka构建实时分析Dashboard案例介绍》
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”。在本篇博客中，将要介绍本案例的总体架构，包括案例整体的运行流程以及每个过程具体执行内容。
Kafka和Structured Streaming的组合使用（Spark 3.2.0）
本文节选自林子雨编著《Spark编程基础（Scala版）》（教材官网：http://dblab.xmu.edu.cn/post/spark/）
作者：厦门大学计算机科学与技术系 林子雨 博士/副教授
E-mail: ziyulin@xmu.edu.cn
Structured Streaming是用来进行流计算的组件，可以把Kafka（或Flume）作为数据源，让Kafka（或Flume）产生数据发送给Structured Streaming应用程序，Structured Streaming应用程序再对接收到的数据进行实时处理，从而完成一个典型的流计算过程。这里仅以Kafka为例进行介绍。这里使用的软件版本是：kafka_2.12-2.6.0，Spark3.2.0（Scala版本是2.12.15）。
继续阅读