基于pyspark和hive的小说数据分析及推荐可视化系统

可视化效果视频

项目概况

[👇👇👇👇👇👇👇👇]
点这里,查看所有项目
[👆👆👆👆👆👆👆👆]

数据类型

小说数据

开发环境

centos7

软件版本

python3.8.18、hadoop3.2.0、spark3.1.2、hive3.1.2、mysql8.0.41、jdk8

开发语言

python

开发流程

数据上传(hdfs)->数据处理(spark)->处理结果(hive)->数据分析(spark)->数据存储(mysql)->后端(django)->前端(html+js+css)

可视化图表

2025-05-16_212454.jpg
2025-05-16_212505.jpg
2025-05-16_212535.jpg
2025-05-16_212543.jpg
2025-05-16_212547.jpg
2025-05-16_212554.jpg
2025-05-16_212600.jpg
2025-05-16_212606.jpg
2025-05-16_212635.jpg
2025-05-16_212641.jpg
2025-05-16_212646.jpg
2025-05-16_212651.jpg

操作步骤

python安装包


# windows系统下安装tensorflow==2.13.0版本
# pip3 install tensorflow==2.13.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

pip3 install tensorflow==2.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install pandas==2.0.3 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install arrow==1.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install numpy==1.24.4 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install scikit-learn==1.3.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install requests==2.31.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install selenium==4.16.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install matplotlib==3.7.4 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install pyhive==0.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install pymysql==1.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install jieba==0.42.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install django==4.2.11 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install djangorestframework==3.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install findspark==2.0.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install wordcloud==1.9.4 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install Pillow==10.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install mysqlclient==2.2.7 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install thrift==0.21.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install thrift-sasl==0.4.3 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install urllib3==1.26.15 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install DBUtils==1.3 -i https://pypi.tuna.tsinghua.edu.cn/simple

启动Hadoop


# 离开安全模式: hdfs dfsadmin -safemode leave
# 启动hadoop
bash /export/software/hadoop-3.2.0/sbin/start-hadoop.sh

启动MySQL


# 查看mysql是否启动 启动命令: systemctl start mysqld.service
systemctl status mysqld.service
# 进入mysql终端
mysql -uroot -p123456

启动hive


# 在第一个窗口中,执行后等待10-20秒
/export/software/apache-hive-3.1.2-bin/bin/hive --service metastore

# 在第二个窗口中,执行后等待10-20秒
/export/software/apache-hive-3.1.2-bin/bin/hive --service hiveserver2

# 连接进入hive终端命令如下:
# /export/software/apache-hive-3.1.2-bin/bin/beeline -u jdbc:hive2://master:10000 -n root

上传代码及文件


mkdir -p /data/jobs/project/
cd /data/jobs/project/

# 解压缩
# 解压spark/目录下的7z压缩包
# 解压spiders/目录下的7z压缩包

# 解压成功后,上传整个project-spark-novel-data-analysis-sys文件夹

MySQL建表


cd /data/jobs/project/project-spark-novel-data-analysis-sys/

mysql -u root -p < noveldata.sql

执行sparkFir.py


cd /data/jobs/project/project-spark-novel-data-analysis-sys/

spark-submit \
--master local[*] \
spark/sparkFir.py

执行sparkAna.py


cd /data/jobs/project/project-spark-novel-data-analysis-sys/

spark-submit \
--master local[*] \
spark/sparkAna.py

启动可视化


cd /data/jobs/project/project-spark-novel-data-analysis-sys/

python3 manage.py runserver master:5173
# 用户名:userOne
# 密码:123456

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容