摘 要

随着社会的持续发展，房价成为公众最关切的话题。中国房价往往受地理、气候、政策等多方面因素影响，变化趋势不稳定。因此，分析房价整体的趋势走势，是大众购房前必需的流程。随着互联网产业繁荣，楼市与互联网密不可分，大量房价数据涌入互联网。采集互联网大数据，对数据进行分类、存储，再以多个维度进行数据可视化呈现，是获取房价变化趋势的一个可用的方案。为此，笔者采集了安居客2010-2019年的南京房价数据，制作了南京房价大数据可视化系统。该系统使用了微服务技术，前端采用 HTML5 与 JQUERY ，搭配 ECharts 生成可视化图表，后端采用了基于java8的Spring-Cloud框架。南京房价大数据可视化系统主要由数据提供模块、数据转换模块、视图模块与认证模块构成，用户界面友好，能提供可视化的图表协助分析南京房价的趋势走势。

关键词：南京房价；大数据；可视化；微服务；

Analysis on the Trend Chart of Housing Price in Nanjing

ABSTRACT

With the continuous development of society, housing prices have become the most concerned topic of the Chinese urban residents. Housing prices are often affected by geographical, climatic, seasonal, region, policy and other factors. It is difficult to analyze the erratic trend of housing prices. With the rapid development of the Internet industry, a large number of housing price data have been produced on the Internet. There is a way to analyze the trend of housing prices by collecting large data from the Internet, classifying and storing the data, and visualizing the data in multiple dimensions. Using this way, the author collected the housing price data of Nanjing City from 2010 to 2019 at anjuke.com, and designed the Nanjing Housing Price Big Data System. The system adopts micro-service technology. JQUREY and ECharts are used in the front end and the Spring-Cloud Framework based on java8 is used in the back end. Nanjing Housing Price Big Data System is mainly composed of data-provider module, data-consumer module, view-provider module and authentication module. It has a friendly user interface and can provide visual charts to help analyze the trend of housing prices in Nanjing.

Key words：Nanjing housing price; big data; visualization; micro-service

目 录

1 绪论 1

1.1 研究的背景与意义 1

1.2 国内外研究现状 1

1.3 主要研究内容 2

2 需求分析与系统设计 3

2.1 需求分析 3

2.1.1 系统的功能需求分析 3

2.1.2 系统的非功能需求分析 3

2.2 可行性分析 4

2.2.1 经济可行性分析 4

2.2.2 技术可行性分析 4

2.3 系统设计分析 5

2.3.1 模块设计 5

2.3.2 业务流程设计 7

2.4 数据库设计 8

2.5 本章小结 10

3 相关技术介绍 11

3.1 前端相关技术 11

3.2 后端相关技术 12

3.3 数据库介绍 13

3.4 数据采集阶段 14

3.5 本章小结 15

4 系统实现介绍与展示 16

4.1 前期数据准备 16

4.2 用户管理 16

4.3 后台统计 20

4.4 日志管理 21

4.5 数据可视化 21

4.6 本章小结 23

结论 24

致谢 25

绪论

1.1 研究的背景与意义

随着社会的不断发展，房价成为大众最关心的话题。自2008年以来，房屋价格经历了几轮的暴涨，虽然同样经过多轮的政策调控，但宏观上仍然呈现着增长的趋势。因此，研究房价变化趋势，是为房屋买卖提供指导的重要方法。然而，中国房价往往受地理、气候、政策等多方面因素影响，变化趋势不稳定，难以建立准确模型。

随着互联网逐渐繁荣，房屋中介网站大量涌现，例如安居客、链家网、58同城等。这些网站涌现的同时，也带来了大量的房价数据。然而，虽然有大量的在线房价数据，但这些数据往往分布散乱，无法直接用来研究房价的趋势走势。因此，我们必须先将这些数据进行收集、归纳，再将数据存储到本地。除此之外，这些抽象的数据需要进行一定转换，使其可以更直观地呈现数据之中的规律。数据可视化技术恰是实现这个目标的一个可用的解决方案。

数据可视化技术，主要指利用专业技术，将数据处理为可视化图表的方法。在处理房价大数据上，数据可视化技术可以用来制作直观的图表，清楚的展现房价与各个影响因素的关系与变化趋势。

因此，通过数据采集、数据处理、数据可视化等一系列的步骤，可以将房价的变化趋势最直观的进行展示，为大众房屋买卖提供最直观的指导。

1.2 国内外研究现状

国外，房地产市场开始较早，所以很早就形成了庞大的中介产业。如此大的市场，伴随着始终在发展的软件行业，所以国外的房地产中介网站是成规模且专业的。

国内互联网自起步至今始终稳定发展。因此，国内互联网环境也孕育出了例如链家网、安居客等一批互联网房地产交易网站。这些网站发展至今，已经很成熟，往往包含了售房、租房、购房等一系列相关业务。这些网站的市场大多集中在大型城市，非大城市信息往往较少。同时，因为利益关系，每个网站基本都有自己独立的产业链，会有许多不共享的独占信息，一定程度上对用户造成了不便。

数据可视化技术，就是将数据通过处理变为易理解的图像、图表。随着可视化技术的逐渐发展，越来越多人认识到了可视化带来的好处。许多高校都将数据可视化作为了一个学科投入研究，大量组织机构也在大力发展可视化业务。

1.3 主要研究内容

本文首先完成了数据的采集与处理，然后构建了一个微服务架构的体系，并实现了数据的可视化。系统在开始设计前，先对总体需求进行了整理分析，然后选取了安居客作为了数据采集源，通过数据抓取获取了南京全域自2010-2019年的房价数据，最后按照需求搭建了系统前后端，实现数据的可视化。

本文各章内容安排如下：

第1章绪论，简单介绍本文研究背景与意义，总结国内外相关情况，对本文研究内容做整体介绍。

第2章对系统需求做整体分析，详细介绍系统流程与底层设计。

第3章对系统使用到的技术做相关介绍，阐述技术选取原因与优势。

第4章介绍系统具体实现，并展示完成成果。

需求分析与系统设计

需求分析

需求分析是软件设计工作中最基础的一环。通过需求分析，可以把握整把握整个软件的业务流程，对之后技术选型、系统建立有指导意义与驱动作用。

需求分析过程中，应该充分了解客户的要求，与客户进行深入沟通，确立用户的准确意图，以使需求足够准确，防止重复工作。

2.1.1 系统的功能需求分析

南京房价大数据可视化系统，经过深入研究，本文最终确定功能需求如下： （1）基本的认证功能。提供用户管理功能，对未知请求与无Token请求进行智能拦截。以期系统安全性的提升，阻止外部的恶意访问。

（2）日志功能。对用户的敏感操作进行记录，允许用户自行查看。

（3）对数据先做预处理再进行可视化，使可视化出的图表尽量简单直观，能很快的发现总结房价趋势。

（4）统计后台的实时数据。当网站后台数据扩大时，使用户可以直观感受到。

2.1.2 系统的非功能需求分析

该系统除了功能性需求之外，另外还有一些影响设计风格的非功能需求，列出如下：

（1）用户界面友好，功能清晰，交互简单易用，设计应当将用户体验时时放在重要位置。

（2）保证代码复用性，相似实现不重复，尽可能抽出多个相似需求共同点，书写工具类。

（3）保证系统安全性，后端接口调用前必需鉴权。因为系统采用了前后端分离的模式，所以后端接口有可能会被恶意调用。为了保障数据的安全性，在调用接口时，都必须带上验证口令。

（4）提高易维护性，代码可读性强，确保系统可以很快地加入新的需求或修改已有的功能。

可行性分析

2.2.1 经济可行性分析

系统使用了基于Spring Cloud的微服务架构，整个系统启动时，相当于启动了多个小型服务。每个微服务占用资源较小，可以利用类似于Docker技术将一台服务器分为多个虚拟环境。因此，服务器的资源可以被充分的使用。如果某一项服务响应过慢，仅需多启动几个如此的服务，通过网关的负载均衡，新增服务将能简单的被纳入系统的架构。整个系统可拓展性高，服务器利用率高，运行成本可控且较低。

2.2.2 技术可行性分析

系统后台整体基于 Spring Cloud ，采用微服务架构，选用了 Java8 作为开发语言包。微服务架构是近年来比较流行的开发架构，通过多个微服务组成一个大型系统，可以充分利用服务器，方便开发与维护。Java8 则是继 Java6 后又一流行的 JDK（Java Development Kit），他支持匿名函数，可以简化代码结构，同时也是Spring Cloud可用的最低版本。

系统前台使用了 JQUERY 框架与 ECharts 框架。JQUERY 本身是发展较为成熟的 Java Script框架，可以使DOM操作与事件绑定等变得更加简单。ECharts 框架是由百度推出的开源可视化框架，项目成熟，文档详细，拥有活跃的开源社区。