需求自动化分析提取工具-平台

## 一、项目概述 本项目是一个基于 Java 的**东京奥运会（2020）赛事数据爬虫与可视化系统**，以新浪体育东京奥运专题页面（`http://2020.sina.com.cn/`）为数据来源，自动抓取奥运**新闻资讯**和**中国代表团各项目奖牌数据**，持久化存储至本地 MySQL 数据库，并通过图形化桌面界面（Java Swing）进行数据展示与查询。 --- ## 二、业务背景 东京奥运会于 2021 年 7 月 23 日至 8 月 8 日举行（因疫情延期一年）。新浪体育为此开设了专题页面，提供实时新闻报道和各项目奖牌查询 API。本项目通过爬虫技术对上述数据进行采集，服务于以下业务场景： - **赛事跟踪**：快速聚合奥运新闻，方便集中浏览。 - **奖牌统计**：自动汇总中国代表团在射击、乒乓球、举重、跳水等 13 个重点项目的金/银/铜牌数量。 - **数据查询**：支持按关键词检索新闻标题和赛事名称，实现快速定位。 --- ## 三、系统功能介绍 ### 3.1 主界面 — 爬虫启动 | 功能 | 说明 | |------|------| | **一键爬取** | 点击"开始爬取"按钮，系统自动清空旧数据并重新采集 | | **新闻采集** | 抓取新浪奥运首页的新闻链接，逐条进入详情页提取完整内容 | | **奖牌采集** | 依次调用新浪奥运奖牌 API，获取 13 个运动项目的实时奖牌数据 | | **进度反馈** | 控制台打印"....."进度提示；采集完成后弹出"爬取成功"对话框 | | **自动跳转** | 成功后自动关闭启动窗口，打开"奥运数据一览"展示窗口 | ### 3.2 数据展示界面 — 奥运数据一览 #### Tab 1：新闻信息 | 功能 | 说明 | |------|------| | **列表展示** | 以表格展示所有新闻的标题、发布时间、发布者、正文内容 | | **关键词搜索** | 在搜索框输入新闻标题关键词，点击"查询"进行模糊匹配过滤 | | **实时刷新** | 界面加载时自动从数据库读取最新数据 | #### Tab 2：奖牌信息 | 功能 | 说明 | |------|------| | **列表展示** | 以表格展示 13 个运动项目的金牌、银牌、铜牌合计数 | | **关键词搜索** | 支持按赛事名称（如"乒乓球"）进行模糊查询 | | **实时刷新** | 组件渲染时自动加载数据库记录 | **涵盖的 13 个赛事项目：** > 射击、篮球、三对三篮球、田径、游泳、乒乓球、羽毛球、举重、跳水、蹦床、竞技体操、艺术体操、赛艇

【立项背景与目标】 随着电商平台竞争加剧，企业对竞品价格监控、市场趋势分析和用户评论洞察的需求日益迫切。传统人工采集方式效率低下、覆盖不全、数据滞后。本系统旨在构建一套自动化、分布式的电商数据采集与分析平台，实现对主流电商平台（淘宝、京东、拼多多、抖音）商品数据的全天候自动采集与智能分析，为企业提供实时、准确的市场情报和决策支持。 【核心功能模块】 1. 分布式采集引擎：基于Scrapy+Redis构建，支持多节点并行采集，内置代理IP池自动切换、Cookie管理、验证码识别等反爬对抗模块，日均采集能力超过120万条商品数据。 2. 任务调度中心：提供可视化任务配置界面，支持Cron定时调度、实时流式采集与手动触发三种模式，可自定义目标平台、商品品类、采集字段（标题、价格、销量、评价、店铺信息等）。 3. 数据清洗与存储管道：自动完成数据去重、格式标准化、异常值过滤，结构化存入MySQL集群，同时同步至Elasticsearch实现毫秒级全文检索。 4. 智能分析模块：提供价格波动趋势分析、竞品销量排名、用户评论情感分析（好评/中评/差评自动分类），通过ECharts大屏实时可视化呈现。 5. 异常告警系统：支持价格突变、商品下架、评论异常等场景的阈值告警，通过钉钉/邮件/飞书实时推送。 【业务流程】 用户配置采集任务（选择平台→品类→字段→调度策略）→系统自动分发至Celery任务队列→Redis去重后分配给各Worker节点→Scrapy/Playwright执行页面抓取→数据经清洗管道处理后入库→前端Dashboard实时展示采集进度与数据分析结果→异常数据触发告警通知。

建设目标在于解决前台数据服务需求与后台数据服务供给相匹配的问题，提高数据产品服务的规模化生产能力、快速需求响应能力和组件化可复用能力。 在产品层面，数据中台的总体架构分为16个子域：数据门户、数据展示中心、自助查询中心、数据交换中心、作业调度中心、元数据资产中心、文件管理中心、智能AI分析中心、流数据实时分析中心、数据标签中心、数据指标中心、自然语言NLP中心、图像识别OCR中心、智能推荐中心、知识图谱中心、时序预测中心。

一、项目背景 面向市大数据局、公安、市监局等政务部门开展项目，各部门已完成数据治理工作，但数据加工需开发人员手写代码实现，存在需求响应慢、业务人员无法自主操作、数据处理效率低等痛点，亟需搭建低门槛数据处理平台。 二、项目目标 1. 采集政务数据元数据信息，实现库表、字段及业务含义统一管理 2. 搭建拖拽式可视化建模平台，通过算子实现数据自助加工，降低使用门槛 3. 新增定时任务调度功能，实现建模任务自动化执行 4. 对接BI报表模块，实现加工数据可视化展示 5. 提升数据处理与需求交付效率，支撑政务业务自助数据分析 三、项目概述 搭建政务低代码可视化数据建模平台，自动采集治理后数据的元数据信息，提供过滤、排重、聚合、拆分等拖拽式算子，实现业务人员自主数据加工。支持建模任务定时调度、结果数据异构系统同步与级联分析，同时打通BI报表模块，可自主生成柱状图、折线图、甘特图等图表，完成数据加工到可视化全流程自助化。

一、项目背景 工厂内机床、设备通过PLC采集温湿度、压力、电量、加工计数等实时物联网数据，经Modbus 等协议接入Kafka。原始数据存在大量重复、异常、乱序、跳变问题，无法直接用于MES系统与生产大屏；设备运行状态（绿/黄/红/灰）无统一规则，加工计数易重复统计，亟需一套从0到1的实时数据清洗与治理体系。 二、项目目标 1. 建立设备状态标准化规则，自动识别正常、告警、故障、停机状态并统计各状态持续时长； 2. 构建生产加工计数清洗规则，过滤重复上报数据，处理人工重置等异常场景，保证计数准确； 3. 输出标准结构化数据，支撑MES系统、生产可视化大屏分钟/小时/日报表展示。 三、项目概述 该项目为工业物联网数据治理从0到1建设，采用Flink +Doris 技术架构。从Kafka消费设备实时采集数据，通过自定义清洗规工重置场景处理。清洗后数据写入聚合表，为下游MES系统、可视化大屏提供分钟级至日报级的标准化数据，支撑生产监控、趋势分析与产能统计。 项目职责： 1. 独立负责工业物联网数据治理项目从0到1设计与落地，参与整体架构方案讨论，最终确定并实现Flink +Doris 实时数仓架构； 2. 全程负责从Kafka消费设备实时数据，完成数据清洗、去重、异常过滤、乱序处理、状态计算、指标聚合等全流程开发； 3. 设计并实现设备运行状态（正常/告警/故障/停机）规则引擎，自动统计各状态持续时长并结构化落表； 4. 开发生产加工计数精准清洗逻辑，处理重复上报、人工重置等复杂业务场景，确保计数准确； 5. 构建标准聚合层数据模型，对外提供数据接口，支撑下游MES系统、生产可视化大屏实时展示与报表统计； 6. 负责需求变更、接口迭代及历史数据重刷、补算等运维工作，保障数据一致性。 7、使用AI工具(WorkBuddy后者TRAE CN)辅助提高开发效率 技术栈：Kafka+Flink+Doris+SpringBoot+Redis+Minio+Python