基于storm的电商销售量大屏

一、项目需求
二、项目架构模型
三、代码结构
- 1.订单实体类
- 2.模拟消息生产者
- 3.消息消费者
- - ProcessOrderBolt
  - RealBoardTopology
- 4.Redis使用工具类
四、环境搭建
- 1.storm集群搭建
- 2.kafka搭建
- - （1）下载并解压
  - （2）安装zookeeper
  - （3）配置kafka
- 3.redis集群搭建
五、环境启动
- 1.启动zookeeper
- 2.启动kafka
- 3.启动redis
- 4.启动storm
六、运行项目
- 1.提交拓扑到storm集群
- 2.启动生产者
- 3.查看效果
七、进行可视化实时数据展示
- 1.后端从数据库读取数据
- 2.前端从后端请求数据并进行可视化
八、系统的特点

一、项目需求

对某一电商平台每一天的销售量，销售总额进行统计并进行实时可视化展示

二、项目架构模型

zookeeper+storm+kafka+redis
生产者不断生成订单的信息发送给kafka，然后kafka将数据发送给storm，storm进行处理后发送到redis进行存储

三、代码结构

整个项目的下载链接：
链接：https://pan.baidu.com/s/1LQmp4y2zbiafz4XgLlilig
提取码：gscx

整个项目分为四个部分

1.订单实体类

domain下的PaymentInfo类，这里定义了一个订单的各种属性和方法，后面用到的主要是商铺名称、商品名称、商品价格、订单的城市以及商品的类别。

package domain;import com.alibaba.fastjson.JSONObject;import java.io.Serializable;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.Random;
import java.util.UUID;public class PaymentInfo implements Serializable{private static final long serialVersionUID = -7958315778386204397L;private String orderId;//订单编号private Date createOrderTime;//订单创建时间private String paymentId;//支付编号private Date paymentTime;//支付时间private String productId;//商品编号private String productName;//商品名称private long productPrice;//商品价格private long promotionPrice;//促销价格private String shopId;//商铺编号private String shopName;//商铺名称private String shopMobile;//店铺电话private long payPrice;//订单支付价格private int num;//订单数量/*** <Province>19</Province>* <City>1657</City>* <County>4076</County>*/private String province; //省private String city; //市private String county;//县//102,144,114private String catagorys;  //分类public String getProvince() {return province;}public void setProvince(String province) {this.province = province;}public String getCity() {return city;}public void setCity(String city) {this.city = city;}public String getCounty() {return county;}public void setCounty(String county) {this.county = county;}public String getCatagorys() {return catagorys;}public void setCatagorys(String catagorys) {this.catagorys = catagorys;}public PaymentInfo() {}public PaymentInfo(String orderId, Date createOrderTime, String paymentId, Date paymentTime, String productId, String productName, long productPrice, long promotionPrice, String shopId, String shopName, String shopMobile, long payPrice, int num) {this.orderId = orderId;this.createOrderTime = createOrderTime;this.paymentId = paymentId;this.paymentTime = paymentTime;this.productId = productId;this.productName = productName;this.productPrice = productPrice;this.promotionPrice = promotionPrice;this.shopId = shopId;this.shopName = shopName;this.shopMobile = shopMobile;this.payPrice = payPrice;this.num = num;}public String getOrderId() {return orderId;}public void setOrderId(String orderId) {this.orderId = orderId;}public Date getCreateOrderTime() {return createOrderTime;}public void setCreateOrderTime(Date createOrderTime) {this.createOrderTime = createOrderTime;}public String getPaymentId() {return paymentId;}public void setPaymentId(String paymentId) {this.paymentId = paymentId;}public Date getPaymentTime() {return paymentTime;}public void setPaymentTime(Date paymentTime) {this.paymentTime = paymentTime;}public String getProductId() {return productId;}public void setProductId(String productId) {this.productId = productId;}public String getProductName() {return productName;}public void setProductName(String productName) {this.productName = productName;}public long getProductPrice() {return productPrice;}public void setProductPrice(long productPrice) {this.productPrice = productPrice;}public long getPromotionPrice() {return promotionPrice;}public void setPromotionPrice(long promotionPrice) {this.promotionPrice = promotionPrice;}public String getShopId() {return shopId;}public void setShopId(String shopId) {this.shopId = shopId;}public String getShopName() {return shopName;}public void setShopName(String shopName) {this.shopName = shopName;}public String getShopMobile() {return shopMobile;}public void setShopMobile(String shopMobile) {this.shopMobile = shopMobile;}public long getPayPrice() {return payPrice;}public void setPayPrice(long payPrice) {this.payPrice = payPrice;}public int getNum() {return num;}public void setNum(int num) {this.num = num;}@Overridepublic String toString() {return "PaymentInfo{" +"orderId='" + orderId + '\'' +", createOrderTime=" + createOrderTime +", paymentId='" + paymentId + '\'' +", paymentTime=" + paymentTime +", productId='" + productId + '\'' +", productName='" + productName + '\'' +", productPrice=" + productPrice +", promotionPrice=" + promotionPrice +", shopId='" + shopId + '\'' +", shopName='" + shopName + '\'' +", shopMobile='" + shopMobile + '\'' +", payPrice=" + payPrice +", num=" + num +'}';}public String random() {this.orderId = UUID.randomUUID().toString().replaceAll("-", "");this.paymentId = UUID.randomUUID().toString().replaceAll("-", "");this.productPrice = new Random().nextInt(1000);this.promotionPrice = new Random().nextInt(500);this.payPrice = new Random().nextInt(480);String[] shop = new String[]{"左岸男装","HALO王妃","MOON衣橱","8号鞋仓","潮童领地","全饰界","女王当铺","伊甸园","缘来饰你","爱尚","百衣百顺","新奥五金","简森建材","企鹅装饰建材店","鸿宝家私","洁尚家","欧瑞时代家具","富美家具城","理家家居","童龄坊"};int index2 = (int) (Math.random() * shop.length);this.shopId = shop[index2];
//        this.shopId = new Random().nextInt(20)+"";String[] product = new String[]{"笔类","薄","本","册","日用文具","办公设备","复印机","考勤机","腰带","手链","手镯","戒指","脚链","饰链","充电器","照明","灯具"," 钟表仪器","仪表","游戏机","卡激光产品门钟","门铃","防盗器","手套","毛巾","浴巾","帽子","衬衣","毛衣","西服","裤子","休闲服装","婚纱","净水器","饮水机","榨汁机","网球","台球","枪杆","棋类","乐器","填充玩具","绒毛玩具","电子玩具","电动玩具"};int index3 = (int) (Math.random() * product.length);this.productId = product[index3];
//        this.productId = new Random().nextInt(50);
//        this.catagorys = new Random().nextInt(10000)+","+new Random().nextInt(10000)+","+new Random().nextInt(10000);String[] category = new String[]{"食品类","服装类","日用品类","家具类","家用电器类","纺织品类"};int index1 = (int) (Math.random() * category.length);this.catagorys = category[index1];this.province = new Random().nextInt(23)+"";String[] city = new String[]{"杭州", "苏州", "上海", "天津", "深圳", "成都", "郑州", "宁波", "合肥", "重庆", "广州", "大连", "青岛", "北京", "义乌", "东莞", "长沙", "贵阳", "珠海", "威海", "泉州", "赤峰", "厦门", "福州", "抚顺", "汕头", "海口", "岳阳", "武汉", "唐山", "石家庄", "哈尔滨", "兰州", "呼和浩特", "南昌", "佛山", "烟台"};int index = (int) (Math.random() * city.length);this.city = city[index];
//        this.city = new Random().nextInt(265)+"";this.county = new Random().nextInt(1489)+"";String date = "2021-11-11 12:11:11";SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");try {this.createOrderTime = simpleDateFormat.parse(date);} catch (Exception e) {e.printStackTrace();}JSONObject obj = new JSONObject();String jsonString = obj.toJSONString(this);return jsonString;//  return new Gson().toJson(this);}}

2.模拟消息生产者

producer目录下的PayMentInfoProducer，用来模拟生产者不断随机产生订单数据，需要配置kafka集群的端口和IP

package producer;import domain.PaymentInfo;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerRecord;import java.util.Properties;public class PayMentInfoProducer {public static void main(String[] args){//1、准备配置文件Properties props = new Properties();props.put("bootstrap.servers", "storm-master:9092,storm-slave1:9092,storm-slave2:9092");/*** 当生产者将ack设置为“全部”（或“-1”）时，min.insync.replicas指定必须确认写入被认为成功的最小副本数。* 如果这个最小值不能满足，那么生产者将会引发一个异常（NotEnoughReplicas或NotEnoughReplicasAfterAppend）。* 当一起使用时，min.insync.replicas和acks允许您执行更大的耐久性保证。* 一个典型的情况是创建一个复制因子为3的主题，将min.insync.replicas设置为2，并使用“全部”选项来产生。* 这将确保生产者如果大多数副本没有收到写入引发异常。*/props.put("acks", "all");/*** 设置一个大于零的值,将导致客户端重新发送任何失败的记录*/props.put("retries", 0);/*** 只要有多个记录被发送到同一个分区，生产者就会尝试将记录一起分成更少的请求。* 这有助于客户端和服务器的性能。该配置以字节为单位控制默认的批量大小。*/props.put("batch.size", 16384);/***在某些情况下，即使在中等负载下，客户端也可能希望减少请求的数量。* 这个设置通过添加少量的人工延迟来实现这一点，即不是立即发出一个记录，* 而是等待达到给定延迟的记录，以允许发送其他记录，以便发送可以一起批量发送*/props.put("linger.ms", 1);/*** 生产者可用于缓冲等待发送到服务器的记录的总字节数。* 如果记录的发送速度比发送给服务器的速度快，那么生产者将会阻塞，max.block.ms之后会抛出异常。* 这个设置应该大致对应于生产者将使用的总内存，但不是硬性限制，* 因为不是所有生产者使用的内存都用于缓冲。* 一些额外的内存将被用于压缩（如果压缩被启用）以及用于维护正在进行的请求。*/props.put("buffer.memory", 33554432);props.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");props.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");//2、创建KafkaProducerKafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(props);while (true){//3、发送数据kafkaProducer.send(new ProducerRecord<String, String>("itcast_order",new PaymentInfo().random()));System.out.println("发送数据");try {Thread.sleep(1000);} catch (InterruptedException e) {e.printStackTrace();}}}}

3.消息消费者

kafkaStorm下面的两个类

ProcessOrderBolt

这里写了在存入redis数据库时进行的操作，以及定义了存入的数据格式，包括：

每个店铺的总销售额
每个店铺的销售数量
平台总销售额度
平台商品销售数量
商品的维度
每个商品的销售数量
每类商品的销售量
每个城市的销售量

package kafkaStorm;import domain.PaymentInfo;
import producer.PayMentInfoProducer;
import util.JedisUtil;
import com.alibaba.fastjson.JSONObject;
import org.apache.storm.topology.BasicOutputCollector;
import org.apache.storm.topology.OutputFieldsDeclarer;
import org.apache.storm.topology.base.BaseBasicBolt;
import org.apache.storm.tuple.Tuple;
import redis.clients.jedis.Jedis;public class ProcessOrderBolt extends BaseBasicBolt{@Overridepublic void execute(Tuple input, BasicOutputCollector collector) {Object value = input.getValue(4);//通过fastjson，将我们的json字符串转为对象JSONObject obj = new JSONObject();PaymentInfo parseObject = obj.parseObject(value.toString(), PaymentInfo.class);//拿到了paymentInfo就可以从paymentinf里面获取我们需要计算的一些指标// 计算店铺的维度String shopId = parseObject.getShopId();Jedis conn = JedisUtil.getConn();// 每个店铺的总销售额conn.incrBy("shop_price"+shopId,parseObject.getPayPrice());
//        conn.incrBy("itcast:order:"+shopId+":user:2018-02-26",1);// 每个店铺的销售数量conn.incrBy("shop_num"+shopId,1);//平台维度的数据统计// 平台总销售额度conn.incrBy("total_price",parseObject.getPayPrice());
//        conn.incrBy("itcast:order:total:user:date",1);// 平台商品销售数量conn.incrBy("total_num",1);//商品的维度String productId = parseObject.getProductId();// 每个商品的总销售额conn.incrBy("product_price"+productId,parseObject.getPayPrice());
//        conn.incrBy("itcast:order:"+productId+":user:date",1);// 每个商品的销售数量conn.incrBy("product_num"+productId,1);// 每个城市的销售量String city = parseObject.getCity();conn.incrBy("city"+city,1);// 每类商品的销售量String category = parseObject.getCatagorys();conn.incrBy("category"+category,1);conn.close();}@Overridepublic void declareOutputFields(OutputFieldsDeclarer declarer) {}
}

RealBoardTopology

构建拓扑结构，需要配置kafka集群的端口和IP

package kafkaStorm;import org.apache.storm.Config;
import org.apache.storm.LocalCluster;
import org.apache.storm.StormSubmitter;
import org.apache.storm.generated.AlreadyAliveException;
import org.apache.storm.generated.AuthorizationException;
import org.apache.storm.generated.InvalidTopologyException;
import org.apache.storm.kafka.spout.KafkaSpout;
import org.apache.storm.kafka.spout.KafkaSpoutConfig;
import org.apache.storm.topology.TopologyBuilder;public class RealBoardTopology {public static void main(String[] args) throws Exception {//从kafka当中获取数据TopologyBuilder builder = new TopologyBuilder();KafkaSpoutConfig.Builder<String, String> kafkaSpoutConfig = KafkaSpoutConfig.builder("storm-master:9092,storm-slave1:9092,storm-slave2:9092", "itcast_order");kafkaSpoutConfig.setGroupId("itcast_order_group");KafkaSpoutConfig<String, String> build = kafkaSpoutConfig.build();KafkaSpout<String, String> kafkaSpout = new KafkaSpout<>(build);builder.setSpout("kafkaSpout",kafkaSpout,5);builder.setBolt("processBolt",new ProcessOrderBolt(),8).localOrShuffleGrouping("kafkaSpout");Config config = new Config();if(args.length > 0){config.setNumWorkers(2);config.setDebug(false);StormSubmitter.submitTopology(args[0],config,builder.createTopology());}else{LocalCluster cluster = new LocalCluster();config.setDebug(true);cluster.submitTopology("realBoard",config,builder.createTopology());}}}

4.Redis使用工具类

util目录下的JedisUtil类，需要配置redis服务器的端口和IP

package util;import redis.clients.jedis.Jedis;
import redis.clients.jedis.JedisPool;
import redis.clients.jedis.JedisPoolConfig;public class JedisUtil {private static JedisPool pool = null;/*** 获取jedis连接池* */public static JedisPool getPool(){if(pool == null){//创建jedis连接池配置JedisPoolConfig config = new JedisPoolConfig();//最大连接数config.setMaxTotal(20);//最大空闲连接config.setMaxIdle(5);//创建redis连接池// 使用jedisPool的时候，timeout一定要给出来，如果不给，redis很大概率会报错，超时pool = new JedisPool(config,"172.25.0.5",6379,3000);}return pool;}/*** 获取jedis连接* */public static Jedis getConn(){return getPool().getResource();}/*** 测试连接* @param args*/public static void main(String[] args) {Jedis jedis = getPool().getResource();jedis.incrBy("mine", 5);jedis.close();}}

四、环境搭建

1.storm集群搭建

博客：https://blog.csdn.net/weixin_43622131/article/details/111057523

2.kafka搭建

（1）下载并解压

下载链接：
链接：https://pan.baidu.com/s/1nnlJB0vnLO7_NBKZgJ9BtA
提取码：w4a6

（2）安装zookeeper

在上述配置storm教程中已经配置了zookeeper

（3）配置kafka

首先配置主节点：
配置文件为server.properties

在zookeeper.connect中配置上zookeeper集群的IP和端口

将主节点的broker.id设置为1

配置完成，将整个kafka发送到从节点，从节点的配置文件只需要修改broker.id，从2开始依次设置即可

启动kafka：
首先启动zookeeper集群，然后进入kafka安装目录的bin目录执行下面命令（集群中的机器都要执行）

 ./kafka-server-start.sh -daemon ../config/server.properties &

3.redis集群搭建

博客：https://blog.csdn.net/weixin_43622131/article/details/105820078

五、环境启动

1.启动zookeeper

每个节点都要执行下面命令，该命令在zookeeper安装目录下的bin目录中

./zkServer.sh start

2.启动kafka

每个节点都要执行下面命令，该命令在kafka安装目录下的bin目录中

 ./kafka-server-start.sh -daemon ../config/server.properties &

3.启动redis

这里为了方便使用了redis的单机版
启动一个即可

redis-server  redis1.conf

使用下面命令访问数据库

redis-cli -c -h 172.25.0.5 -p 6379

4.启动storm

在master上启动

storm nimbus &storm ui &storm logviewer &

在slave上启动

storm supervisor &storm logviewer &

全部启动成功后查看进程：
master

slave

六、运行项目

首先将项目打成jar包

1.提交拓扑到storm集群

 ./storm jar /home/zf/storm_bigwork.jar  kafkaStorm.RealBoardTopology realboard2

要运行此项目需要在storm的lib目录下添加该jar包

下载链接：

链接：https://pan.baidu.com/s/1kU7q3YdTwfsPWOWyjYCPqA
提取码：jdf0

2.启动生产者

java -cp /home/zf/storm_bigwork.jar producer.PayMentInfoProducer start

3.查看效果

查看数据

七、进行可视化实时数据展示

展示视频链接：
链接：https://pan.baidu.com/s/1-JK6qmzA-SvP2uGhiOFCVg
提取码：p0n1
第一页中间是该平台的总销售额，左边是销售额前十名的店铺，右边是销售量前十名的商品
第二页左边的地图展示的是每个城市的销售量，右边展示的是各种类别产品所占的比重

前面已经实现了将流数据处理后放入redis数据库中，下面是从数据库中读取数据并通过前端进行实时展示

1.后端从数据库读取数据

这里使用了flask框架，从redis数据库中读取数据进行排序后取前十，设置好路由供前端获取数据
代码链接：
链接：https://pan.baidu.com/s/13RXzINNBKnb_mMcbeMqt6Q
提取码：477u

from flask import Flask
from flask_cors import CORS
from flask import render_template
import redis
from flask import Flask, jsonify,requestapp = Flask(__name__)
CORS(app)
r = redis.StrictRedis(host='127.0.0.1', port=6379, db=0,decode_responses=True, charset='UTF-8', encoding='UTF-8')# 获取总销售额
@app.route('/total_price', methods=['GET', 'POST'])
def sum_total():# r = redis.StrictRedis(host='127.0.0.1', port=6379, db=0)total_price = r.get("total_price")# return render_template('index.html', total_price=total_price)# print("success")return total_price# 获取各个店铺的总销售额
@app.route('/shop_price', methods=['GET', 'POST'])
def sum_shop():# r = redis.StrictRedis(host='127.0.0.1', port=6379, db=0)# keys = r.keys()# print(keys[0][:4])keys = r.keys()shop_key = []for i in keys:# print(i[:10])if i[:10] == "shop_price":shop_key.append(i)data = []for i in shop_key:tmp = {};tmp["stock"] = str(i[10:])tmp["fundPost"] = int(r.get(i))data.append(tmp)data = sorted(data, key=lambda x: x['fundPost'], reverse=True)return jsonify(data[:10])# 获取各个商品的销售量
@app.route('/product_num', methods=['GET', 'POST'])
def product_num():# r = redis.StrictRedis(host='127.0.0.1', port=6379, db=0)# keys = r.keys()# print(keys[0][:4])keys = r.keys()product_key = []for i in keys:# print(i[:10])if i[:11] == "product_num":product_key.append(i)data = []for i in product_key:tmp = {};tmp["stock"] = str(i[11:])tmp["fundPost"] = int(r.get(i))data.append(tmp)data = sorted(data, key=lambda x: x['fundPost'], reverse=True)return jsonify(data[:10])# 获取各个城市的销售量
@app.route('/city_num', methods=['GET', 'POST'])
def city_num():keys = r.keys()city_key = []keys = r.keys()for i in keys:# print(i[:10])if i[:4] == "city":city_key.append(i)data = {}for i in city_key:# print(i[4:])data[i[4:]] = r.get(i)# print(len(data))return jsonify(data)# 获取每类商品的销售量
@app.route('/category_num', methods=['GET', 'POST'])
def category_num():keys = r.keys()category_key = []for i in keys:# print(i[:10])if i[:8] == "category":category_key.append(i)data = []for i in category_key:tmp = {};tmp["name"] = i[8:];tmp["value"] = r.get(i)data.append(tmp)return jsonify(data)
if __name__ == '__main__':app.run(host='127.0.0.1', port=5000)

2.前端从后端请求数据并进行可视化

代码链接：
链接：https://pan.baidu.com/s/1zmGEXMjP47TYKblp9nMAdQ
提取码：y2n2

使用的可视化框架是echarts，请求后端数据使用的是Ajax，用法如下

$.ajax({type: 'GET',url: 'http://127.0.0.1:5000/total_price',async: false,success: function(data) {let option = myChart.getOption();option.series[3].startAngle = option.series[3].startAngle - 1;option.series[6].data[0].value = Number(data);myChart.setOption(option);}})

实现数据的实时刷新是通过javascript的setInterval函数来实现的，剩下的具体实现可以看看完整的代码。
整体实现下来确实需要花费一些时间，但是坚持做下来是一定能成功的，如果遇到一些小bug可以与我交流。

八、系统的特点

全流程都在集群上运行
代码整洁规范，可扩展性好
实时效果较好

基于storm的电商可视化大屏相关推荐

基于WebGL的三维数据可视化大屏开发流 ThingJS
三维数据大屏可视化系统包含多源数据连接.生成二维/三维视图.构建可视化大屏.大屏功能应用等一体化服务,基于多年可视化项目经验,ThingJS平台得出从数据源上传到可视化大屏应用的完整流程,供参考. 多 ...
基于js+echarts实现数据可视化大屏展示
vue+echarts大屏数据可视化展示点击进入写在前面: 本项目中使用的是echarts图表库,ECharts 提供了常规的折线图.柱状图.散点图.饼图.K线图,用于统计的盒形图,用于地理数据可视 ...
推荐一款基于 Vue 的电商级海报生成器
‍ ‍特性快速:三步完成海报开发工作:启动服务 > 编辑海报 > 生成代码简单:组件丰富.支持拖拽.复制.所见即所得.下载等功能. 动态:无需更改代码,直接在编辑器修改海报即可获得最新 ...
华为云平台零代码搭建物联网可视化大屏体验：疫情防控数据大屏
目录一.介绍二.准备三.搭建 1.创建疫情防控大屏应用 2.组件放置 3.组件配置 4.应用打包一.介绍零代码搭建物联网可视化大屏 :自定义物联网场景,根据个人理解实现基于华为云IoT以及可 ...
基于Hadoop的电商广告点击数的分析与可视化（Shell脚本执行与大屏可视化设计）
目录摘要大屏可视化预览如何安装Hadoop集群数据集介绍项目部署流程一键化配置环境和参数一键化建立hive数据表 Flume配置及自动加载数据到hive中数据分析 mysql接收数据表 ...
基于JavaScript+Koa2实现 Echarts 电商平台数据可视化大屏全栈【100010415】
全新 Echarts 电商平台数据可视化大屏全栈 1. 前言五一假期重学了新版 Echarts,一个基于 JavaScript 的开源可视化图表库,收集参考了很多网上资料,最终选择电商平台作为练手项 ...
用户数据销售额分析动态大屏看板+大屏数据可视化图表组件（折线图+圆柱图+散点图+饼图+漏斗图+雷达图+水位图）+智能web端高保真大数据动态可视化大屏看板+中国动态地图+智慧电商实时动态数据大屏看板
作品内容:用户数据销售额分析动态大屏看板+大屏数据可视化图表组件(折线图+圆柱图+散点图+饼图+漏斗图+雷达图+水位图)+web端高保真大数据动态可视化大屏看板+中国动态地图+电商实时动态数据大屏看板 ...
pyecharts显示所有x轴_基于Pyecharts可视化大屏案例一（1）
前言 Pyecharts是一个用于生成Echarts图表的类库,可以通过python import方法加载使用,没有安装的需要pip install pyecharts安装一下:Pyecharts ...
【2】数据可视化：基于 Echarts + Python 实现的动态实时大屏 - 物流大数据
目录精彩案例汇总效果展示一. 确定需求方案 1.确定产品上线部署的屏幕LED分辨率 2.功能模块 3.部署方式二.整体架构设计三.编码实现 (基于篇幅及可读性考虑,此处展示部分关键代码) 1 ...

基于storm的电商可视化大屏