提交材料清单
截图1：在slave1验证Kafka实时数据流动
截图2：DESC 查询表结构
截图3：执行Flink后，MySQL 查询到写入数据
截图4：在浏览器访问接口返回正确 JSON 数据
截图5：浏览器能正确显示图表
项目上传：分别导出 Flink 项目、前后端项目的 Zip（压缩包）上传
一、Flink 环境启动
【题目要求】
启动 ZooKeeper 集群；
启动 Kafka 服务；
启动 Flink 集群；
运行设备数据模拟器，确认 Kafka Topic 有数据流入。
【提交截图】
截图1：在slave1验证Kafka实时数据流动的截图
【操作步骤】
# 在 master/slave1/slave2 分别执行，启动 ZooKeeper
zkServer.sh start
# 检查 ZooKeeper 状态（需看到 Mode: leader 或 follower）
zkServer.sh status
# 在 master/slave1/slave2 分别执行，启动 Kafka
kafka-server-start.sh -daemon /opt/apps/kafka/config/server.properties
# 启动 Flink 集群
start-cluster.sh
# 运行数据模拟器，持续向 Kafka 写入设备状态数据
python /opt/datas/01_device_status_sim.py | \
kafka-console-producer.sh --broker-list master:9092 --topic device_status_topic
# 在slave1，验证实时数据流动
kafka-console-consumer.sh --bootstrap-server master:9092 --topic device_status_topic
二、MySQL 数据库初始化
【题目要求】
创建数据库
bigdata1/bigdata2/bigdata3；创建表
rt_kpi_d，用于存储 Flink 实时统计结果；查询表结构，验证创建成功。
【提交截图】
截图2：DESC 查询表结构的截图
【操作步骤】
-- 进入数据库
mysql -uroot -p123456
-- 删除数据库
DROP DATABASE IF EXISTS bigdata1;
-- 创建数据库【注意：按班级建数据库名称：bigdata1/bigdata2/bigdata3】
CREATE DATABASE IF NOT EXISTS bigdata1
CHARACTER SET utf8mb4;
-- 选择数据库
USE bigdata1;
-- 创建 Flink 写入的结果表
DROP TABLE IF EXISTS rt_kpi_d;
CREATE TABLE rt_kpi_d (
window_start DATETIME NOT NULL ,
device_count INT NOT NULL ,
PRIMARY KEY (window_start)
) ENGINE=InnoDB
DEFAULT CHARSET=utf8mb4;
-- 查询表结构
DESC rt_kpi_d;
三、Flink 实时统计任务
【题目要求】
在 IDEA 中创建 Maven 项目
flink-kpi-job，导入考场提供的pom.xml；创建
FlinkJobD.java；路径：src/main/java/com/exam/flink/FlinkJobD.java5 秒滚动窗口内统计离线（status=0）的设备数，写入 MySQL；
等待约 30 秒后，查询 MySQL 的
rt_kpi_d表，验证数据写入成功。
【提交截图】
截图3：执行Flink后，MySQL 查询到写入数据的截图
【操作步骤】
【FlinkJobD.java】
package com.exam.flink;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
public class FlinkJobD {
static final String KAFKA_BROKERS = "master:9092";
static final String MYSQL_URL =
"jdbc:mysql://master:3306/bigdata1" +
"?useSSL=false&serverTimezone=Asia/Shanghai";
static final String MYSQL_PASS = "123456";
public static void main(String[] args) throws Exception {
// 步骤1：屏蔽 Flink 内部日志，只输出 ERROR 级别
System.setProperty("org.slf4j.simpleLogger.defaultLogLevel", "error");
// 步骤2：创建流执行环境，并行度设为 1
StreamExecutionEnvironment env =
StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
// 步骤3：在流环境上构建 Table/SQL 环境
StreamTableEnvironment tEnv = StreamTableEnvironment.create(env);
// 步骤4：注册 Kafka 源表，event_time 转换为 TIMESTAMP 并声明 5 秒水位线
tEnv.executeSql(
"CREATE TABLE device_status (" +
" device_id STRING," +
" status INT," +
" temperature DOUBLE," +
" `load` DOUBLE," +
" voltage DOUBLE," +
" event_time STRING," +
" ts AS TO_TIMESTAMP(event_time)," +
" WATERMARK FOR ts AS ts - INTERVAL '5' SECOND" +
") WITH (" +
" 'connector' = 'kafka'," +
" 'topic' = 'device_status_topic'," +
" 'properties.bootstrap.servers' = '" + KAFKA_BROKERS + "'," +
" 'properties.group.id' = 'exam_group_d'," +
" 'scan.startup.mode' = 'latest-offset'," +
" 'format' = 'json'" +
")"
);
// 步骤5：注册 MySQL 结果表，window_start 作为逻辑主键支持 upsert
tEnv.executeSql(
"CREATE TABLE rt_kpi_d (" +
" window_start TIMESTAMP(3)," +
" device_count BIGINT," +
" PRIMARY KEY (window_start) NOT ENFORCED" +
") WITH (" +
" 'connector' = 'jdbc'," +
" 'url' = '" + MYSQL_URL + "'," +
" 'table-name' = 'rt_kpi_d'," +
" 'username' = 'root'," +
" 'password' = '" + MYSQL_PASS + "'" +
")"
);
// 步骤6：5 秒滚动窗口内统计离线（status=0）的设备数，写入 MySQL
tEnv.executeSql(
"INSERT INTO rt_kpi_d " +
"SELECT " +
" TUMBLE_START(ts, INTERVAL '5' SECOND) AS window_start, " +
" COUNT(CASE WHEN status = 0 THEN device_id END) AS device_count " +
"FROM device_status " +
"GROUP BY TUMBLE(ts, INTERVAL '5' SECOND)"
);
System.out.println("FlinkJobD 已启动：离线设备数实时统计");
System.out.println("统计口径: 每 5 秒统计 status = 0 的设备数");
System.out.println("写入 MySQL 表: bigdata1.rt_kpi_d");
System.out.println("请等待约 30 秒后查询 MySQL 验证结果。");
}
}
MySQL 验证命令：
USE bigdata1;
SELECT * FROM rt_kpi_d ORDER BY window_start DESC LIMIT 10;
四、Spring Boot 接口开发
【题目要求】
创建 Spring Boot 项目，名称为
Backend，并导入pom.xml文件；配置
application.properties参数，连接数据库；创建类
KpiControllerD，路径为：src/main/java/com/exam/backend/controller/KpiControllerD.java使用 Spring Boot 创建接口
/kpi-d，请求方式为GET；在接口中通过 JDBC 查询 MySQL 表
rt_kpi_d；查询最新一条记录的
window_start、device_count；将查询结果以 JSON 对象形式返回。
【提交截图】
截图4：在浏览器访问接口返回正确 JSON 数据截图
【操作步骤】
application.properties 配置文件：
# ===== 服务器配置 =====
server.address=0.0.0.0
server.port=8080
# MySQL 配置【注意数据库更改班级】
spring.datasource.url=jdbc:mysql://master:3306/bigdata1?useSSL=false&serverTimezone=Asia/Shanghai
spring.datasource.username=root
spring.datasource.password=123456
spring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver
【KpiControllerD】
package com.exam.backend.controller;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;
import java.sql.*;
import java.util.*;
// @RestController：标识这是一个 REST 控制器，方法返回值会直接序列化成 JSON 返回给前端
@RestController
public class KpiControllerD {
// @GetMapping：映射 HTTP GET 请求，访问路径为 /kpi-d
@GetMapping("/kpi-d")
public Map<String, Object> getKpiD() {
// 只返回一条记录（一个 Map），供仪表盘展示当前值；LinkedHashMap 保证 JSON 字段顺序
Map<String, Object> result = new LinkedHashMap<>();
try {
// 加载 MySQL JDBC 驱动类
Class.forName("com.mysql.cj.jdbc.Driver");
// 建立数据库连接：连接 master 节点的 bigdata1 库，关闭 SSL，设置时区为上海
Connection conn = DriverManager.getConnection(
"jdbc:mysql://master:3306/bigdata1?useSSL=false&serverTimezone=Asia/Shanghai",
"root", "123456"); // 数据库账号 root / 密码 123456
// 创建 Statement 对象，用于执行 SQL 语句
// 取最新一条数据，供仪表盘展示当前值
Statement stmt = conn.createStatement();
// 执行查询：按 window_start 倒序，只取最新的 1 条（LIMIT 1）
ResultSet rs = stmt.executeQuery(
"SELECT window_start, device_count " +
"FROM rt_kpi_d ORDER BY window_start DESC LIMIT 1");
// 只有一条结果，用 if 判断是否查到（不同于多条数据用 while 循环遍历）
if (rs.next()) {
result.put("window_start", rs.getString("window_start")); // 窗口开始时间
result.put("device_count", rs.getInt("device_count")); // 离线设备计数值
}
// 依次关闭资源，释放数据库连接（注意：异常时不会执行，存在泄漏风险）
rs.close();
stmt.close();
conn.close();
} catch (Exception e) {
// 捕获所有异常并打印堆栈信息（生产环境建议用日志框架记录）
e.printStackTrace();
}
// 返回结果（单条记录），Spring 自动转成 JSON
return result;
}
}
【接口测试】
浏览器访问 http://localhost:8080/kpi-d：
五、Vue + ECharts 数据可视化
【题目要求】
创建 Vue 项目，名称为
Frontend；创建组件
components/ChartD.vue和主页面App.vue，配置代理文件vite.config.js；使用 Vue3 + ECharts 展示仪表盘；
从接口
/api/kpi-d获取最新一条数据；仪表盘展示当前窗口的离线设备数量，范围 0～60；
网页标签页标题为"数据大屏"；
【提交截图】
截图5：浏览器能正确显示图表截图
【操作步骤】
1. 创建 Vue 项目
# 切换到 D 盘
D:
# 进入代码存放文件夹【注意切换班级】
cd D:\bigdata1\test
# 创建 Vue3 项目
npm create vite@latest Frontend -- --template vue
# 进入项目并安装依赖
cd Frontend
npm install
# 安装前后端通信库和图表库
npm i axios echarts
2. 编写代码
【vite.config.js】
import { defineConfig } from 'vite'
import vue from '@vitejs/plugin-vue'
export default defineConfig({
plugins: [vue()],
server: {
port: 5173,
proxy: {
'/api': {
target: 'http://localhost:8080',
changeOrigin: true,
rewrite: path => path.replace(/^\/api/, '')
}
}
}
})
【App.vue】
<template>
<div>
<h1>数据可视化大屏</h1>
<h2>操作员:Admin</h2>
<ChartD />
</div>
</template>
<script setup>
import ChartD from './components/ChartD.vue'
</script>
<style>
body {
background-color: #f0f2f5;
margin: 0;
padding: 20px;
font-family: "Microsoft YaHei", sans-serif;
}
.chart-wrapper {
max-width: 1400px;
margin: 40px auto;
padding: 20px;
}
</style>【components/ChartD.vue】
<template>
<!-- 图表容器，ref 用于让 ECharts 挂载到这个 DOM 上 -->
<div ref="chartRef"></div>
</template>
<script setup>
import { ref, onMounted, onUnmounted } from 'vue'
import * as echarts from 'echarts' // 引入 ECharts 图表库
import axios from 'axios' // 引入 HTTP 请求库
const chartRef = ref() // 图表 DOM 引用，对应模板里的 ref="chartRef"
let chart = null // ECharts 实例，初始为空，首次渲染时创建
let timer = null // 定时器句柄，用于定时刷新数据，卸载时需清除
// 渲染图表数据（async 因为内部要 await 请求接口）
const renderChart = async () => {
// 请求后端实时数据，_t 传当前时间戳，每次都不同，用于防止浏览器缓存
const res = await axios.get('/api/kpi-d', { params: { _t: Date.now() } })
const data = res.data // 后端返回的单条记录，形如 { window_start, device_count }
// 取出离线设备数；?? 是空值合并运算符：当值为 null/undefined 时取 0，避免仪表盘显示异常
const value = data.device_count ?? 0
// 如果 chart 还没创建(为 null),就执行下面创建实例的代码
// 只初始化一次图表实例，避免每次刷新都重复创建（否则会内存泄漏/报错）
if (!chart) {
chart = echarts.init(chartRef.value)
}
// 设置图表配置项（setOption 默认合并模式，重复调用会更新已有图表）
chart.setOption({
title: {
text: '当前离线设备数', // 主标题
subtext: '统计周期：每 5 秒 | 实时刷新', // 副标题，说明统计规则
left: 'center', // 标题水平居中
top: 10, // 标题距顶部 10px
subtextStyle: { fontSize: 12, color: '#888' } // 副标题样式：小号灰字
},
series: [{
type: 'gauge', // 仪表盘（表盘式展示单个数值，无 X/Y 轴）
min: 0, // 表盘最小刻度
max: 60, // 表盘最大刻度
splitNumber: 6, // 表盘分成 6 大格（每格代表 10）
center: ['50%', '58%'], // 表盘中心位置：水平居中，垂直往下移约 8%（给标题腾位置）
radius: '75%', // 表盘半径，占容器的 75%
// 表盘外圈刻度线：按比例分段着色（绿→黄→红，越往大值越警示）
axisLine: {
lineStyle: {
width: 20, // 刻度线宽度
color: [
[0.2, '#2ECC71'], // 0~20% 区间：绿色（正常）
[0.5, '#F39C12'], // 20%~50% 区间：橙色（注意）
[1, '#E74C3C'] // 50%~100% 区间：红色（告警）
]
}
},
pointer: { width: 6 }, // 指针宽度
// 中心数值显示
detail: {
formatter: '{value} 台', // 数值格式：在数字后拼接"台"
fontSize: 24,
color: '#333',
offsetCenter: [0, '60%'] // 相对表盘中心的偏移：水平不动，垂直下移 60%
},
// 数值下方的名称文字（即 data 里的 name）
title: {
fontSize: 14,
color: '#666',
offsetCenter: [0, '85%'] // 相对表盘中心的偏移：垂直下移 85%
},
data: [{ value: value, name: '离线设备数' }] // 表盘数据：value 为指针指向值，name 为名称
}]
})
}
onMounted(() => {
renderChart() // 组件挂载后立即渲染一次，避免首屏空白
timer = setInterval(renderChart, 5000) // 每 5 秒调用一次 renderChart，实现实时刷新
})
onUnmounted(() => {
clearInterval(timer) // 组件卸载时清除定时器，防止内存泄漏和无效请求
chart?.dispose() // 销毁图表实例，释放占用的资源（?. 防止 chart 为 null 报错）
})
</script>
<style scoped>
.chart-container {
width: 100%; /* 容器宽度占满父级 */
height: 400px; /* 图表高度固定 400px */
min-width: 700px; /* 最小宽度，防止图表过窄导致 X 轴文字挤在一起 */
background: #fff; /* 白色背景 */
border: 1px solid #e0e0e0; /* 浅灰色边框 */
border-radius: 15px; /* 圆角效果 */
padding: 10px; /* 内边距，让图表不贴边 */
box-shadow: 0 2px 8px rgba(0, 0, 0, 0.05); /* 轻微阴影，增加层次感 */
}
</style>3. 启动 Vue 项目
npm run dev
浏览器访问 http://localhost:5173，查看仪表盘并截图。
六、项目提交
截图
导出的 Flink 项目压缩包；
导出的后端项目压缩包；