如何使用Amazon Athena和 Amazon QuickSight進行天氣數(shù)據(jù)可視化分析,很多新手對此不是很清楚,為了幫助大家解決這個難題,下面小編將為大家詳細講解,有這方面需求的人可以來學習下,希望你能有所收獲。
創(chuàng)新互聯(lián)專業(yè)提供成都主機托管四川主機托管成都服務器托管四川服務器托管,支持按月付款!我們的承諾:貴族品質(zhì)、平民價格,機房位于中國電信/網(wǎng)通/移動機房,成都服務器托管服務有保障!
隨著目前企業(yè)數(shù)字化轉型的推進,業(yè)務系統(tǒng)產(chǎn)生了大量數(shù)據(jù),如何利用好這些海量數(shù)據(jù)成為企業(yè)IT運營面臨的一大難題。從傳統(tǒng)的方案來看,需要企業(yè)自行架設Hadoop集群,由于大數(shù)據(jù)分析對數(shù)據(jù)存儲和數(shù)據(jù)運算需求都比較高,所以硬件配置的需求也很高,導致整個項目成本高昂。
在使用了云服務器以后,可以解決本地數(shù)據(jù)中心的運維難題,并通過高標準高規(guī)格的硬件和數(shù)據(jù)中心提升了整體系統(tǒng)的穩(wěn)定性。但如果只是通過云服務器來部署,僅僅是解決了服務器運維的問題,并不能最大化的利用云端大數(shù)據(jù)分析服務的優(yōu)勢。
在AWS上除了提供托管Hadoop服務的EMR之外,還提供了很多大數(shù)據(jù)相關的分析服務,例如數(shù)據(jù)倉庫Redshift,實時數(shù)據(jù)處理Kinesis,ETL服務Glue等。
在AWS托管的服務上,您只需要為使用的資源付費,按需付費模式避免本地數(shù)據(jù)中心建設中的重資產(chǎn)投入,也避免了云服務器空閑時間導致的資源浪費。
今天我們來演示一種快速進行大數(shù)據(jù)分析的場景,無需架設服務器,實時使用SQL語言進行數(shù)據(jù)查詢。
全球氣候分析對于研究人員評估氣候變化對地球自然資本和生態(tài)系統(tǒng)資源的影響至關重要。 這項活動需要高質(zhì)量的氣候數(shù)據(jù)集,這可能是具有挑戰(zhàn)性的工作,因為它們的規(guī)模和復雜性。
為了對他們的發(fā)現(xiàn)有信心,研究人員必須對他們研究的氣候數(shù)據(jù)集的來源有信心。 例如,研究人員可能會試圖回答這樣的問題: 某個特定糧食生產(chǎn)區(qū)的氣候變化是否會影響糧食安全? 他們必須能夠輕松地查詢權威和管理數(shù)據(jù)集。
美國國家環(huán)境信息中心(NCEI)維護著一個氣候數(shù)據(jù)集,這個數(shù)據(jù)集是基于全球氣象站的觀測數(shù)據(jù)。 它是《全球歷史氣候網(wǎng)絡日報》(GHCN-D)ーー一個地面站每日天氣摘要的中央儲存庫。 它由數(shù)以百萬計的有質(zhì)量保證的觀測數(shù)據(jù)組成,每天更新。
研究人員通過一個按年分隔存儲的FTP服務器,以CSV格式提供天氣數(shù)據(jù)。按年組織意味著一份完整的檔案需要超過255個文件,傳統(tǒng)上,一個研究人員要研究這個數(shù)據(jù),需要把整個數(shù)據(jù)都下載到本地,為了保證使用最新的數(shù)據(jù)進行分析,他們必須每天重復下載這些數(shù)據(jù)。
通過AWS與NOAA的大數(shù)據(jù)合作項目,現(xiàn)在可以在 AWS 上獲得 GHCN d 數(shù)據(jù)集的每日快照。 這些數(shù)據(jù)可以通過 Amazon S3 bucket 公開訪問。已這種方式獲取數(shù)據(jù)有以下幾個好處:
這些數(shù)據(jù)可以通過S3在全球范圍內(nèi)進行訪問,用戶無需完整下載數(shù)據(jù)才能使用,每個人都可使用相同的一致的副本。
減少了分析的時間,通過我們本次演示的Athena和Insight服務,可以立即開始分析
研究的成本降低了,研究人員無需架設服務器和Hadoop集群,一旦分析完成,可以隨時關閉資源
本篇文章展示了一個使用Amazon S3,Amazon Athena,AWS Glue和Amazon QuickSight的工作流程,演示了人們從這個數(shù)據(jù)集中獲取洞察力的速度。
本次工作流遵循以下工作步驟:
從NOAA桶中提取數(shù)據(jù)文件,并將數(shù)據(jù)作為表格提供
使用SQL查詢表中的數(shù)據(jù)
演示如何通過查詢創(chuàng)建表并將這些表存儲在Amazon S3私有存儲桶中來加速分析
將數(shù)據(jù)做可視化便于展示
工作流程
提取年度.csv文件并將其添加到Athena的表中
提取站點數(shù)據(jù)并將其添加到Athena的一個單獨的表格
完整的每日天氣觀測數(shù)據(jù)按年份組織在 Amazon S3桶的一個文件夾中。 Csv 格式。 數(shù)據(jù)的路徑是 s3://noaa-ghcn-pds/csv/ 。
每個文件都以1763年開始的年份命名.csv并且存儲直到當前年份。
進入Athena控制臺,點擊AWS Glue Data Catalogj進入Glue控制臺,在右側選擇表菜單,選擇手動添加表
設置一個表名稱并添加一個數(shù)據(jù)庫
再下一步選擇另一個賬戶的其他路徑,輸入NOAA的公共存儲桶位置 s3://noaa-ghcn-pds/csv/ 。
接下來定義Schema
添加以下列,使用string類型(字符串類型)
? id
? year_date
? element
? data_value
? m_flag
? q_flag
? s_flag
? obs_time
添加好后點擊完成,返回到Athena控制臺,可以在左側看到創(chuàng)建好的表,這里有些準備工作要做。在運行我們的第一個Athena查詢之前,要設置一個S3存儲桶用于存放查詢結果
與此同時,我們也創(chuàng)建一些文件夾用于數(shù)據(jù)存放
[your_bucket_name]/stations_raw/
[your_bucket_name]/ghcnblog/
[your_bucket_name]/ghcnblog/stations/
[your_bucket_name]/ghcnblog/allyears/
[your_bucket_name]/ghcnblog/1836usa/
設置好之后,我們可以使用表預覽來創(chuàng)建一條查詢語句
運行查詢可以看到我們的表中的數(shù)據(jù)
在剛才的查詢中我們可以看到查詢語句運行的速度不是很快,我們需要創(chuàng)建一個表使用CREATE TABLE AS SELECT (CTAS)來加速查詢
原因是在這個過程中,我們只提取一次數(shù)據(jù),并將提取的數(shù)據(jù)以列格式(Parquet)存儲在私有的 Amazon S3 bucket 中
為了說明速度的提高,這里有兩個例子:
一個查詢計算所有不同的 id,也就是唯一的氣象站,大約需要55秒,掃描大約88gb 的數(shù)據(jù)。
對轉換后的數(shù)據(jù)進行同樣的查詢大約需要13秒鐘,并掃描大約5gb 的數(shù)據(jù)。
接下來是步驟:
打開Athena控制臺
創(chuàng)建一條新的查詢語句,并把其中的存儲桶名稱替換成你自己的
/*converting data to Parquet and storing it in a private bucket*/ CREATE table ghcnblog.tblallyears_qa WITH ( format='PARQUET', external_location='s3://[your-bucket-name]/ghcnblog/allyearsqa/' ) AS SELECT * FROM ghcnblog.tblallyears WHERE q_flag = '';
注意將相應桶名稱和表名稱換成你剛才創(chuàng)建的。
運行后會看到有一個新的表出現(xiàn)在左側的庫里,接下來我們將會在這個新的表上繼續(xù)工作
提取數(shù)據(jù)并把它添加到Athena的表中
站點文本文件包含有關氣象站的信息,例如位置、國籍和 ID。 這些數(shù)據(jù)保存在一個獨立的文件中,不同于每年的觀察數(shù)據(jù)。 我們需要導入這些數(shù)據(jù)來觀察天氣觀測的地理分布。 雖然處理這個文件有點復雜,但是將這些數(shù)據(jù)導入Athena的步驟與我們已經(jīng)完成的相似。
為了導入這些數(shù)據(jù)我們將采取以下步驟:
1.下載 ghcnd-stations text file.
2.使用一個表格編輯器,例如Excel打開這個文件
3.另存為CSV文件
4.將這個csv文件上傳到之前建立的 [your_bucket_name]/stations_raw/文件夾
5.使用Glue添加表格,就像我們之前做的那樣
在添加列步驟添加以下列
? id
? latitude
? longitude
? elevation
? state
? name
? gsn_flag
? hcn_flag
? wmo_id
點擊完成后我們看下表預覽,可以看到數(shù)據(jù)已經(jīng)導入成功
6.接下來依然使用CATS將數(shù)據(jù)存儲為parquet格式
/*converting data to Parquet and storing it in a private bucket*/ CREATE table ghcnblog.tblghcnd_stations_qa WITH ( format='PARQUET', external_location='s3://athena-cx-bucket/ghcnblog/stations/' ) AS SELECT * FROM ghcnblog.tblghcnd_stations
至此,我們已經(jīng)準備好了數(shù)據(jù)并導入到Athena之中
簡單數(shù)據(jù)分析
接下來我們將演示幾個數(shù)據(jù)分析的例子
1.查詢從1763年以來觀測點的數(shù)量
SELECT count(*) AS Total_Number_of_Observations FROM ghcnblog.tblallyears_qa;
2.查詢地面站的數(shù)量
SELECT count(*) AS Total_Number_of_Stations FROM ghcnblog.tblghcnd_stations_qa;
3.地球平均氣象參數(shù)
下圖顯示了計算自1763年以來地球平均最高溫度(攝氏度)、平均最低溫度(攝氏度)和平均降雨量(毫米)查詢。 在查詢中,我們必須將數(shù)據(jù)值從 String 變量轉換為 Real 變量。 我們還必須除以10,因為溫度和降水量的測量值,是它們各自單位的十分之一。
有關這些細節(jié)和元素代碼(TMIB、 TMAX 和 PRCP)的詳細信息,請參閱自述文件。
SELECT element, round(avg(CAST(data_value AS real)/10),2) AS value FROM ghcnblog.tblallyears_qa WHERE element IN ('TMIN', 'TMAX', 'PRCP') GROUP BY element;
如果我們可以在這個數(shù)據(jù)集上運行簡單的查詢(比如這個查詢) ,并接受結果是正確的,那將會非常方便。 前面的查詢假設自1763年以來,全世界的氣象站均勻平均地分布。 事實上,氣象站的數(shù)量和分布隨時間而變化。
4.可視化顯示地球上氣象站的數(shù)量增長情況
接下來我們要引入Amazon QuickSight.進行數(shù)據(jù)可視化展示,在實驗前您必須配置好QuickSight,包含注冊,授權QuickSight訪問Athena和S3。
打開QuickSight控制臺
點擊最右上角,賬戶菜單選擇管理QuickSight
選擇安全性和權限,確保連接了S3和Athena
接著返回主菜單,選擇新分析,然后選擇新數(shù)據(jù)集,在下方數(shù)據(jù)源里選擇Athena,輸入我們在Athena創(chuàng)建的數(shù)據(jù)庫名字ghcnblog,然后點擊創(chuàng)建數(shù)據(jù)源
選擇使用自定義SQL,輸入以下語句
SELECT DISTINCT id AS numberofstations, substr(year_date,1,4) as year FROM ghcnblog.tblallyears_qa GROUP BY substr(year_date,1,4), id ORDER BY substr(year_date,1,4)
選擇確認查詢,并選擇直接查詢數(shù)據(jù),點擊Visualize,在可視化圖表里選擇折線圖,把year數(shù)據(jù)作為X軸,把number_of_stations 作為值,即可得到一張全球氣象站數(shù)量的增長曲線圖
1836年數(shù)據(jù)集中美國第一次設立氣象站。 為了深入了解美國觀測的發(fā)展,我們從主數(shù)據(jù)源(tblallyears qa)中提取了美國數(shù)據(jù)的子集。 從1836年到2016年,這個數(shù)據(jù)集每30年收集一次數(shù)據(jù)。 此查詢生成一個大數(shù)據(jù)集。 為了提高性能,使用前面描述的過程將查詢保存為存儲在 Amazon S3 bucket 中的表。 在Athena中執(zhí)行以下語句。
CREATE TABLE ghcnblog.tbl1836every30thyear WITH ( format='PARQUET', external_location='s3://[your-bucket-name]/ghcnblog/1836every30years/' ) AS SELECT TA.id as id, substr(TA.year_date,1,4) as year, TS.state, CAST(TS.longitude as real) as longitde, CAST(TS.latitude as real) as latitude, element, CAST(data_value as real) as data_value FROM "ghcnblog".tblallyears_qa as TA, "ghcnblog".tblghcnd_stations_qa as TS WHERE substr(TA.year_date,1,4) IN ('1836', '1866', '1896', '1926', '1956', '1986', '2016') AND substr(TA.id,1,2) = 'US' AND state <> 'PI' AND TRIM(TA.id) = TRIM(TS.id) GROUP BY TA.id, substr(TA.year_date,1,4), state, longitude, latitude, element, data_value;
然后在QuickSight中創(chuàng)建一個新的分析,使用創(chuàng)建好的新表作為數(shù)據(jù)源
并使用以下自定義SQL
SELECT DISTINCT(id) AS number_of_stations, year, state FROM ghcnblog.tbl1836every30thyear GROUP BY year, id, state ORDER BY year
在接下來的可視化界面里,選擇地球上的點作為圖像類型,地理位置數(shù)據(jù)選擇state,size選擇氣象站數(shù)量,并使用總數(shù)統(tǒng)計,顏色選擇年份
通過自定義SQL也可以計算出美國每個州的平均溫度等數(shù)據(jù)
通過本文演示,我們了解到通過Athena,Glue和QuickSight這個產(chǎn)品組合,可以快速的構建一個可視化大數(shù)據(jù)分析平臺,并且無需架設服務器和維護Hadoop集群。對于快速驗證分析數(shù)據(jù),作出商業(yè)決策是非常便利的。
同時這些服務的計費也都是通過分析的數(shù)據(jù)量來收取,大大降低了資源的閑置成本,在數(shù)據(jù)分析得出結果后還可以把數(shù)據(jù)進一步存放到成本更低的S3 Glacier中歸檔,進一步節(jié)省成本。
看完上述內(nèi)容是否對您有幫助呢?如果還想對相關知識有進一步的了解或閱讀更多相關文章,請關注創(chuàng)新互聯(lián)行業(yè)資訊頻道,感謝您對創(chuàng)新互聯(lián)的支持。
當前名稱:如何使用AmazonAthena和AmazonQuickSight進行天氣數(shù)據(jù)可視化分析
分享地址:http://muchs.cn/article12/jojogc.html
成都網(wǎng)站建設公司_創(chuàng)新互聯(lián),為您提供網(wǎng)頁設計公司、品牌網(wǎng)站制作、Google、外貿(mào)建站、微信小程序、網(wǎng)站排名
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉載內(nèi)容為主,如果涉及侵權請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉載,或轉載時需注明來源: 創(chuàng)新互聯(lián)