2020年江西省职业院校技能大赛高职组“大数据技术与应用”赛项试题

2020年江西省职业院校技能大赛高职组

“大数据技术与应用”赛项试题

赛题说明

• 竞赛内容分布
• 竞赛时长

任务一：Hadoop平台及组件的部署管理	15%
任务二：数据采集	20%
任务三：数据清洗与分析	25%
任务四：数据可视化	20%
任务五：综合分析	15%
团队分工明确合理、操作规范、文明竞赛	5%

竞赛时长为4个小时。

• 竞赛注意事项

1．竞赛所需的硬件、软件和辅助工具由组委会统一布置，选手不得私自携带任何软件、移动存储、辅助工具、移动通信等进入赛场；

2．请根据大赛所提供的比赛环境，检查所列的软件及工具组件清单是否齐全，计算机设备是否能正常使用；

3．比赛完成后，比赛设备、软件和赛题请保留在座位上，禁止将比赛所用的所有物品（包括试卷和草纸）带离赛场；

4．裁判以各参赛队提交的竞赛结果文档为主要评分依据。所有提交的文档必须按照赛题所规定的命名规则命名，不得以任何形式体现参赛院校、赛位号等信息；

5．本次比赛采用统一网络环境比赛，请不要随意更改客户端的网络地址信息，对于更改客户端信息造成的问题，由参赛选手自行承担比赛损失；

6．请不要恶意破坏竞赛环境，对于恶意破坏竞赛环境的参赛者，组委会根据其行为予以处罚直至取消比赛资格；

7．比赛中出现各种问题及时向监考裁判举手示意，不要影响其他参赛队比赛。

• 竞赛结果文件的提交

按照题目要求，提交符合模板的WORD文件以及对应的PDF文件（利用Office Word另存为pdf文件方式生成pdf文件）和代码文件。

• 任务说明

近年来随着IT产业的加速发展，全国各地对IT类的人才需求也越来越多“ABC公司”为了明确今后IT产业人才培养方向，在多地进行IT公司岗位情况调研分析。你所在的小组将承担模拟调研分析的任务，通过在招聘网站进行招聘信息的爬取，获取到公司名称、工作地点、岗位名称、招聘要求、招聘人数等信息，并通过对数据的清洗和分析，得出各地域招聘人数，“大数据”相关职位招聘数量，以绘制雷达图展示各地平均薪资情况。

为完成该项任务，你所在的小组计划选用在业界广泛应用的“Python和JAVA”语言，作为整个项目的基础语言，并综合利用requests模块、MapReduce、MySQL、Flask开源框架、Jinja2模板引擎和ECharts组件提高开发效率并实现项目要求，由于本次为模拟任务，总数据量不会过大，项目组计划使用分布式节点Hadoop模式，本次项目环境搭建采用服务器集群方式，配置了小规模的技术演示环境，通过在招聘网站上爬取到的相关信息，使用requests模块、Hive、Python、JAVA等手段对数据进行爬取、清洗、整理、计算、表达、分析，力求实现对IT人才就业信息拥有更清晰的掌握。

请按照下面步骤完成本次技术展示任务，并提交技术报告。

任务一：Hadoop相关组件安装部署（15分）

当前环境中已安装Hadoop运行环境和MySQL数据库，相关安装信息如下表所示，请在此环境基础上按照相关操作步骤安装Hive组件。

考试环境信息表
编号	名称	账号	密码	端口号	路径
1	Hadoop	root	passwd		/usr/local/src/hadoop
2	MySQL	root	passwd	3306	/usr/local/src/mysql
3	Hive安装包				/opt/software/
4	Mysql JDBC驱动				/opt/software/

注意：以下操作必须使用绝对路径。环境变量只对当前root用户生效。

1. 将指定路径下的Hive安装包解压并更名；
2. 设置Hive环境变量；
3. 编辑Hive相关配置文件；
4. 初始化Hive元数据；
5. 启动并保存输出结果。

任务二：数据采集与数据预处理（20分）

1. 从指定招聘网站中抓取数据，提取有效数据项，并保存为json格式文件；
2. 设置post请求参数并将信息返回给变量response；
3. 将提取数据转化成json格式，并赋值变量；
4. 用with函数创建json文件，通过json方法，写入json数据；
5. 爬取的数据需要导入hadoop平台进行数据清洗与分析，在HDFS文件系统中创建文件夹，并将json文件上传到该文件夹下。

任务三：数据清洗与分析（25分）

1. 为便于数据分析与可视化，需要对爬取出的数据进行清洗，使用Java语言编写数据清洗的MapReduce程序；
2. 将清洗程序上传至hadoop，并对HDFS的原始数据进行清洗；
3. 将清洗后的数据加载到Hive数据仓库中；
4. 通过运行HQL命令完成数据分析统计；
5. 在hive中执行sql脚本，并查看表中大数据核心技能的出现次数。

任务四：数据可视化（20分）

为更好的将数据分析结果表达出来，需要对数据分析的结束进行可视化呈现，可视化呈现，本次数据可视化需要呈现三部分内容：

1. 按要求使用柱状图展示各城市招聘人数，并在前端显示。要求：

主标题：各地域招聘人数

副标题：（--招聘人数变化趋势）

横坐标：城市信息，纵坐标：招聘人数

输出柱状图

2．按要求使用折线图展示“大数据”相关职位招聘数量差异，并在前端显示。要求：

主标题：大数据相关职位分析

副标题：（--招聘数量变化趋势）

横坐标：岗位名称，纵坐标：岗位数量

输出折线图

3．通过雷达图展示各地平均薪资的情况。要求：

主标题：各地平均薪资

输出雷达图

任务五：完成分析报告（15分）

请结合数据分析结果回答以下问题：

1. 根据分析结果说明大数据岗位所需要的主要技能包含哪些，为什么（4分）
2. 根据分析结果说明各地大数据产业发展情况（4分）
3. 根据市场需求分析，大数据行业的人才培养方向有哪些，为什么（4分）
4. 请简述，今后大数据产业地域发展方向在哪里（3分）

• 竞赛结果提交要求

（一）提交方式

任务成果需拷贝至提供的U盘中。在U盘中以XX赛位号建一个文件夹（例如01），将所有任务成果文档保存至该文件夹中。

（二）文档要求

竞赛提交的所有文档中不能出现参赛队信息和参赛选手信息，竞赛文档需要填写参赛队信息时以赛位号代替（XX代表赛位号）。