Kurz: Analýza dat Apache Sparku pomocí Power BI ve službě HDInsight

  • Článek

V tomto kurzu se dozvíte, jak pomocí Microsoft Power BI vizualizovat data v clusteru Apache Spark ve službě Azure HDInsight.

V tomto kurzu se naučíte:

  • Vizualizace dat Sparku pomocí Power BI

Pokud ještě nemáte předplatné Azure, vytvořte si napřed bezplatný účet.

Požadavky

Ověření dat

Poznámkový blok Jupyter, který jste vytvořili v předchozím kurzu , obsahuje kód pro vytvoření hvac tabulky. Tato tabulka je založená na souboru CSV, který je k dispozici ve všech clusterech HDInsight Spark na adrese \HdiSamples\HdiSamples\SensorSampleData\hvac\hvac.csv. Pomocí následujícího postupu ověřte data.

  1. Z poznámkového bloku Jupyter Vložte následující kód a stiskněte SHIFT +ENTER. Kód ověří existenci tabulek.

    %%sql
SHOW TABLES

    Výstup vypadá takto:

    Snímek obrazovky zobrazující tabulky ve Sparku

    Pokud jste poznámkový blok před zahájením tohoto kurzu zavřeli, tabulka hvactemptable je vyčištěná, takže se ve výstupu nezobrazí. Z nástrojů BI je možný přístup pouze k tabulkám Hive uloženým v metastoru (ty mají ve sloupci isTemporary označení False). V tomto kurzu se připojíte k tabulce hvac, kterou jste vytvořili.

  2. Do prázdné buňky vložte následující kód a pak stiskněte SHIFT + ENTER. Kód ověří data v tabulce.

    %%sql
SELECT * FROM hvac LIMIT 10

    Výstup vypadá takto:

    Snímek obrazovky zobrazující řádky z tabulky hvac ve Sparku

  3. V nabídce Soubor poznámkového bloku vyberte Zavřít a zastavit. Vypněte poznámkový blok a uvolněte tak prostředky.

Vizualizace dat

V této části pomocí Power BI vytvoříte vizualizace, sestavy a řídicí panely z dat v clusteru Spark.

Vytvoření sestavy v Power BI Desktopu

Prvními kroky při práci se Sparkem je připojení ke clusteru v Power BI Desktopu, načtení dat z clusteru a vytvoření základní vizualizace na základě těchto dat.

  1. Otevřete Power BI Desktop. Pokud se otevře úvodní obrazovka, zavřete úvodní obrazovku.

  2. Na kartě Domů přejděte na Získat další data>...

    Snímek obrazovky znázorňující načtení dat do Power BI Desktopu z HDInsight Apache Sparku

  3. Zadejte Spark do vyhledávacího pole, vyberte Azure HDInsight Spark a pak vyberte Připojení.

    Snímek obrazovky znázorňující načtení dat do Power BI z Apache Spark BI

  4. Do textového pole Server zadejte adresu URL clusteru (ve formuláři).mysparkcluster.azurehdinsight.net

  5. V části Režim připojení k datům vyberte DirectQuery. Pak vyberte OK.

    V případě Sparku můžete použít jakýkoli režim připojení dat. Pokud použijete DirectQuery, změny se v sestavách projeví bez nutnosti aktualizace celé datové sady. Pokud data importujete, musíte datovou sadu aktualizovat, aby se změny projevily. Další informace o tom, jak a kdy použít DirectQuery, najdete v tématu Použití DirectQuery v Power BI.

  6. Zadejte informace o přihlašovacím účtu SLUŽBY HDInsight a pak vyberte Připojení. Výchozí název účtu je admin.

  7. hvac Vyberte tabulku, počkejte, až se zobrazí náhled dat, a pak vyberte Načíst.

    Snímek obrazovky s uživatelským jménem a heslem clusteru Spark

    Power BI Desktop má všechny potřebné informace pro připojení ke clusteru Spark a načtení dat z tabulky hvac. Tabulka a její sloupce se zobrazí v podokně Pole.

  8. Vizualizujte rozdíl mezi cílovou teplotou a skutečnou teplotou jednotlivých budov:

    1. V podokně VIZUALIZACE vyberte Plošný graf.

    2. Přetáhněte pole BuildingID (ID budovy) do části Osa a pole ActualTemp (Skutečná teplota) a TargetTemp (Cílová teplota) do části Hodnota.

      Snímek obrazovky zobrazující sloupce s přidanou hodnotou

      Diagram vypadá takto:

      Snímek obrazovky znázorňující součet plošných grafů

      Vizualizace ve výchozím nastavení zobrazí pro ActualTemp a TargetTemp součet hodnot. V podokně Vizualizace vyberte šipku dolů vedle položky ActualTemp a TragetTemp. Zobrazí se vybraná možnost Součet.

    3. V podokně Vizualizace vyberte šipky dolů vedle položky ActualTemp a TragetTemp , výběrem možnosti Průměr získáte průměr skutečných a cílových teplot pro každou budovu.

      Snímek obrazovky zobrazující průměr hodnot

      Vaše vizualizace dat by měla vypadat podobně jako na následujícím snímku obrazovky. Přesunutím kurzoru nad vizualizaci zobrazte popisky s relevantními daty.

      Snímek obrazovky znázorňující plošný graf

  9. Přejděte na Uložit soubor>, zadejte název BuildingTemperature souboru a pak vyberte Uložit.

Publikování sestavy ve službě Power BI (volitelné)

Služba Power BI umožňuje sdílet sestavy a řídicí panely napříč organizací. V této části nejprve publikujete datovou sadu a sestavu. Pak sestavu připnete na řídicí panel. Řídicí panely se obvykle používají k zaměření na podmnožinu dat v sestavě. V sestavě máte jenom jednu vizualizaci, ale přesto je užitečné si projít kroky.

  1. Otevřete Power BI Desktop.

  2. Na kartě Domovská stránka vyberte Publikovat.

    Snímek obrazovky znázorňující publikování z Power BI Desktopu

  3. Vyberte pracovní prostor, do které chcete publikovat datovou sadu a sestavu, a pak vyberte Vybrat. Na následujícím obrázku je vybraný výchozí pracovní prostor My Workspace.

    Snímek obrazovky znázorňující výběr pracovního prostoru pro publikování datové sady a sestavy

  4. Po úspěšném publikování v Power BI vyberte Otevřít BuildingTemperature.pbix.

    Snímek obrazovky s úspěšným publikováním a kliknutím zadejte přihlašovací údaje

  5. V služba Power BI vyberte Zadat přihlašovací údaje.

    Snímek obrazovky znázorňující, jak zadat přihlašovací údaje v služba Power BI

  6. Vyberte Upravit přihlašovací údaje.

    Snímek obrazovky znázorňující úpravy přihlašovacích údajů v služba Power BI

  7. Zadejte informace o přihlašovacím účtu SLUŽBY HDInsight a pak vyberte Přihlásit se. Výchozí název účtu je admin.

    Snímek obrazovky s přihlášením ke clusteru Spark

  8. V levém podokně přejděte do části Pracovní prostory Moje sestavy> pracovního prostoru>a pak vyberte BuildingTemperature.

    Snímek obrazovky zobrazující sestavu uvedenou v části Sestavy v levém podokně

    V části DATOVÉ SADY v levém podokně by se také měla zobrazit datová sada BuildingTemperature.

    Vizuál, který jste vytvořili v Power BI Desktopu, je teď dostupný ve službě Power BI.

  9. Najeďte myší na vizualizaci a pak vyberte ikonu připínáčku v pravém horním rohu.

    Snímek obrazovky zobrazující sestavu v služba Power BI

  10. Vyberte Nový řídicí panel, zadejte název Building temperaturea pak vyberte Připnout.

    Snímek obrazovky znázorňující připnutí na nový řídicí panel

  11. V sestavě vyberte Přejít na řídicí panel.

Váš vizuál je připnutý na řídicím panelu. Do sestavy můžete přidat další vizuály a připnout je na stejný řídicí panel. Další informace o sestavách a řídicích panelech najdete v tématu Sestavy v Power BI a řídicích panelech v Power BI.

Vyčištění prostředků

Po dokončení kurzu můžete cluster odstranit. S HDInsight jsou vaše data uložená ve službě Azure Storage, takže můžete cluster bezpečně odstranit, když se nepoužívá. Za cluster HDInsight se vám také účtují poplatky, i když se nepoužívá. Vzhledem k tomu, že poplatky za cluster jsou mnohokrát vyšší než poplatky za úložiště, dává smysl odstranit clustery, když se nepoužívají.

Pokud chcete cluster odstranit, přečtěte si téma Odstranění clusteru HDInsight pomocí prohlížeče, PowerShellu nebo Azure CLI.

Další kroky

V tomto kurzu jste zjistili, jak pomocí Microsoft Power BI vizualizovat data v clusteru Apache Spark ve službě Azure HDInsight. V dalším článku se dozvíte, jak můžete vytvořit aplikaci strojového učení.

Vytvoření aplikace strojového učení