基于Spark的电商推荐系统（高分毕设）

今天分享的是一套基于SSM技术+spark技术的电影推荐系统
包含了爬虫、电影网站（前端和后端）、后台管理系统以及推荐系统（Spark）。

🔥🔥🔥🔥🔥🔥 推荐系统源码+部署文档下载🔥🔥🔥🔥🔥🔥

基于 Spark 的电影推荐系统

本次项目是基于大数据过滤引擎的电影推荐系统–“懂你”电影网站，包含了爬虫、电影网站（前端和后端）、后台管理系统以及推荐系统（Spark）。

一、爬虫

开发环境： pycharm + python3.6

软件架构： MySQL + scrapy

运行环境： 本次爬取的内容在外网，所以需先翻墙后才能成功运行。

项目架构：

二、电影网站

开发环境： IntelliJ IDEA + maven + Git + Linux + powerdesigner

软件架构： MySQL + MyBatis + Spring + SpringMVC

项目描述： 懂你电影推荐网站是一个基于 SSM 框架的 Web 项目，类似当前比较流行的豆瓣。用户可以在网站上浏览电影信息和查询电影，并且网站会根据用户的浏览记录给用户进行实时的电影推荐。现已将网站部署在 http://115.159.204.68 网站上，感兴趣的朋友可以自行查看。Git 的安装与 IDEA 和 GitHub 的集成可以参考博客。

项目架构：

三、后台管理系统

开发环境： IntelliJ IDEA + maven + Git + Linux + powerdesigner

软件架构： MySQL + MyBatis + Spring + SpringMVC + easyui

项目描述： 后台管理系统主要对用户信息和电影信息进行管理，如添加删除电影信息和完成用户信息的完善。其中为了更好地保存电影的图片信息，搭建了图片服务器，关于图片服务器 FastDFS 的搭建可参考博客。后台系统也布置在服务器上，感兴趣的朋友可以通过地址 http://115.159.204.68/ 访问，为大家提供的测试账号为 test，密码为 88888888。

项目架构：

四、推荐系统（Spark）

开发环境： IntelliJ IDEA + maven + Git + Linux

软件架构： hadoop + zookeeper + flume + kafka + nginx + spark + hive + MySQL

项目描述： 通过在电影网站系统埋点，获取到用户的点击事件（如用户喜欢哪部电影或对某部电影的评分）并将信息传至推荐系统，推荐系统根据该信息做出相应的处理，将推荐结果存入到 MySQL 数据库中，Web 前端通过查询数据库将推荐的电影展示给用户。推荐流程如下：

项目架构：

具体步骤：

1.服务器规划（Linux 镜像为 centos6）：

• spark1（ip 192.168.13.134），分配 8G 内存，4 核
• spark2（ip 192.168.13.135），分配 6G 内存，4 核
• spark3（ip 192.168.13.136），分配 6G 内存，4 核

2.电影数据集，地址： 本次下载的为 1m 大小的数据集

3.环境的搭建：

1）hdfs 搭建

• spark1 上搭建 namenode,secondary namenode,datanode
• spark2 上搭建 datanode
• spark3 上搭建 datanode

2）yarn 搭建

• spark1 上搭建 resourcemanager,nodemanager
• spark2 上搭建 nodemanager
• spark3 上搭建 nodemanager

3）mysql 搭建

4）hive 搭建
5）spark 集群搭建，搭建 standalone 模式，spark1 为 master，其他为 worker

4.数据的清洗：

1）启动 hdfs： [root@spark1 ~]# start-dfs.sh

2）启动 yarn： [root@spark1 ~]# start-yarn.sh

3）启动 MySQL： [root@spark2 ~]# service mysqld start

4）启动 hive： [root@spark1 ~]# hive --service metastore

5）启动 spark 集群： [root@spark1 spark-1.6.1]# ./sbin/start-all.sh

6）代码(com.zxl.datacleaner.ETL)打包上传（spark-sql 与 hive 集成）

• 代码位于 package com.zxl.datacleaner.ETL，打包为 ETL.jar
• 运行代码 spark-submit --class com.zxl.datacleaner.ETL --total-executor-cores 2 --executor-memory 2g lib/ETL.jar
• 成功于 hive 中建表

5.数据的加工， 根据 ALS 算法对数据建立模型(ALS 论文)

1）启动 hdfs： [root@spark1 ~]# start-dfs.sh

2）启动 yarn： [root@spark1 ~]# start-yarn.sh

3）启动 MySQL： [root@spark2 ~]# service mysqld start

4）启动 hive： [root@spark1 ~]# hive --service metastore

5）启动 spark 集群： [root@spark1 spark-1.6.1]# ./sbin/start-all.sh

6）代码(com.zxl.datacleaner.RatingData)打包上传，测试建立模型

6.建立模型， 根据 RMSE(均方根误差)选取较好的模型

1）启动上述的服务

2）代码(com.zxl.ml.ModelTraining)打包上传，建立模型

注：com.zxl.ml.ModelTraining2 中代码训练单个模型，其中参数 rank=50, iteration = 10, lambda = 0.01

• 代码位于 package com.zxl.ml.ModelTraining，打包为 Spark_Movie.jar
• 运行代码 spark-submit --class com.zxl.ml.ModelTraining lib/Spark_Movie.jar

7.产生推荐结果

1）启动上述的服务

2）代码(com.zxl.ml.Recommender)打包上传，产生推荐结果

8.数据入库， 存储为所有用户推荐的电影结果，MySQL 中存入的格式为(userid, movieid,rating)

1）启动上述的服务

2）代码(com.zxl.ml.RecommendForAllUsers)打包上传，数据入库

• 运行代码 spark-submit --class com.zxl.ml.RecommendForAllUsers --jars lib/mysql-connector-java-5.1.35-bin.jar lib/Spark_Movie.jar

9.实时数据的发送

1）安装 nginx，用来接收电影网站上用户的点击信息，写入本地文件

2）安装 flume，实时监控本地文件，将数据发送至 kafka 消息队列中

10.实时数据的接收处理 ，如果打包到服务器运行错误，也可在本地 IDEA 上运行

1）安装 zookeeper

2）安装 kafka，用来接收发送数据

3）启动上述的服务

4）启动 zookeeper： [root@spark1 soft]# zkServer.sh start

4）启动 flume：[root@spark1 flume]# bin/flume-ng agent -c ./conf/ -f conf/flume-conf.properties -Dflume.root.logger=DEBUG,console -n a1

5）启动 kafka： [root@spark1 kafka_2.11-0.10.1.0]# bin/kafka-server-start.sh config/server.properties

6）代码(com.zxl.datacleaner.PopularMovies2)运行，用于为没有登录或新用户推荐，默认推荐观看最多的 5 部电影

7）代码运行(需指定 jar 包 kafka-clients-0.10.1.0.jar)

• spark-submit --class com.zxl.streaming.SparkDrStreamALS --total-executor-cores 2 --executor-memory 1g --jars lib/kafka-clients-0.10.1.0.jar lib/Spark_Movie.jar