advanced_db_project_group22

Spark & Sedona Setup for Query 3 & Query 5

Αυτό το repository περιέχει κώδικα σε PySpark + Apache Sedona για την εκτέλεση των queries:

1. Query 1 – Ταξινόμηση ηλικιακών ομάδων θυμάτων σε περιστατικά "βαριάς σωματικής βλάβης" σε φθίνουσα σειρά.
2. Query 2 – Εύρεση των 3 Αστυνομικών Τμημάτων με τα υψηλότερα ποσοστά κλεισμένων υποθέσεων ανά έτος και κατάταξή τους.
3. Query 3 – Υπολογισμός Μέσου Ετήσιου Εισοδήματος και Αναλογίας Εγκλημάτων ανά Άτομο για κάθε περιοχή του Los Angeles.
4. Query 4 – Εξέταση φυλετικού προφίλ θυμάτων εγκλημάτων στις περιοχές με το υψηλότερο και χαμηλότερο κατά κεφαλήν εισόδημα το 2015.
5. Query 5 – Υπολογισμός αριθμού εγκλημάτων και μέσης απόστασης από κάθε Αστυνομικό Τμήμα.

Προαπαιτούμενα

• Ubuntu ή παρόμοιο Linux λειτουργικό.
• Java/OpenJDK (π.χ. 11).
• Python 3 + pip.
• Apache Spark (εκδόσεις 3.0+ συνιστώνται).
• Apache Sedona jars (sedona-spark-shaded & geotools-wrapper).
• Python βιβλιοθήκες: apache-sedona==1.6.1, geopandas, shapely, κ.ά.

Εκτέλεση του Setup Script

1. Κλωνοποίηστε το repo (ή κατέβαστέ το).

2. Μέσα στον φάκελο, θα βρειτε ένα script install-dependencies.sh. Δώστε:

   chmod +x install-dependencies.sh
   sudo ./install-dependencies.sh

3. Αφού εγκαταστήσετε τις εξαρτήσεις, μπορείτε να εκτελέσετε τον κώδικα Python χρησιμοποιώντας τον εξής τρόπο:

   python3 <name.py>