流程：
1.Python爬虫采集物流数据等存入mysql和.csv文件；
2.使用pandas+numpy或者MapReduce对上面的数据集进行数据清洗生成最终上传到hdfs；
3.使用hive数据仓库完成建库建表导入.csv数据集；
4.使用hive之hive_sql进行离线计算，使用spark之scala进行实时计算；
5.将计算指标使用sqoop工具导入mysql；
6.使用Flask+echarts进行可视化大屏实现、数据查询表格实现、含预测算法；

核心算法代码分享如下：

package com.car.processimport org.apache.spark.sql.{DataFrame, SaveMode, SparkSession}object Table01 {def main(args: Array[String]): Unit = {// 创建spark入口   读取hive的元数据  查询hive中ods层的表val hiveSession: SparkSession = SparkSession.builder().appName("table01").master("local").config("spark.hadoop.hive.metastore.uris", "thrift://bigdata:9083").enableHiveSupport().getOrCreate();/*** insert overwrite table tables01* select province,count(1) num* from  ods_comments* group by province*/// 网友分布中国地图val dataFrame: DataFrame = hiveSession.sql("""|select from_province,count(1) num|from  hive_chinawutong.ods_chinawutong|group by from_province|""".stripMargin)dataFrame.show()// 写入到mysql中dataFrame.write.format("jdbc").option("url", "jdbc:mysql://bigdata:3306/hive_chinawutong?useSSL=false").option("user", "root").option("password", "123456").option("driver", "com.mysql.jdbc.Driver").option("dbtable", "table01").mode(SaveMode.Overwrite).save()}}