捷豹数据库和Zeppelin数据可视化集成测试报告-datajaguar.PDFVIP

捷豹数据库和 Zeppelin 数据可视化集成 测试报告 Jaguar – Zeppelin Integration and Data Visualization Feb. 5, 2018 1 摘要 我们搜集了一些银行存款客户的数据，是银行采集的贷款人的基本信息，包括存储人年 龄，职务，婚姻状况，教育水平，银行储蓄，有无持有不动产，联系方式和其他一些相关 的基本信息。这些信息存入捷豹数据库，并进行数据分析，基本动机是要了解这些银行客 户的相关信息，比如： “年龄跟储蓄的关系”，”教育程度于储蓄的关联”等。从捷豹数 据库输出 SQL 的结果，再通过集成 Zeppelin 数据可视化以后，可以更加直观的理解数 据的实际意义。 测试环境 本捷豹数据库和 Zeppelin 的数据可视化集成测试是在三台 Linux 机器的分布式集群上进 行的。 每一台 Linux 的配置: OS CentOS 6 2.6.32-573.el6.x86_64 CPU 16 核 内存 72 GB 硬盘 5.4 TB 捷豹数据库版本： Zeppeline 版本: 0.7.2 Zeppelin 面向捷豹数据库的解释器配置 2 搭建 Zeppelin 可视化软件系统，并对它的 Interpreter 解释器进行配置。下面的图示例 配置信息。 3 可视化数据库数据来源 被 广泛用来作为可视化数据的原始数据来自于： /z-o-e/bank_data_analysis/master/bank- full.csv （此数据有许多不同的来源地）。 为便于本数据库的使用，数据已稍作清理（全本的数据是由 scala 来清理的，详情请参考： /docs/0.5.5-incubating/tutorial/tutorial.html） CSV 文件的部分内容列举如下： head bank-full.csv 58,management,married,tertiary,no,2143,yes,no,unknown,5,may,261,1,- 1,0,unknown,no 44,technician,single,secondary,no,29,yes,no,unknown,5,may,151,1,- 1,0,unknown,no 33,entrepreneur,married,secondary,no,2,yes,yes,unknown,5,may,76,1,- 1,0,unknown,no 47,blue-collar,married,unknown,no,1506,yes,no,unknown,5,may,92,1,- 1,0,unknown,no 33,unknown,single,unknown,no,1,no,no,unknown,5,may,198,1,-1,0,unknown,no 35,management,married,tertiary,no,231,yes,no,unknown,5,may,139,1,- 1,0,unknown,no 28,management,single,tertiary,no,447,yes,yes,unknown,5,may,217,1,- 1,0,unknown,no 42,entrepreneur,divorced,tertiary,yes,2,yes,no,unknown,5,may,380,1,- 1,0,unknown,no 58,retired,married,primary,no,121,yes,no,unknown,5,may,50,1,-1,0,unknown,no 43,technician,single,secondary,no,593,yes,no,unknown,5,may,55,1,- 1,0,unknown,no 原本的数据“bank-full.csv” 仅有 45,211