基于Spark的电影推荐系统，包含爬虫项目、web网站、后台管理系统以及spark推荐系统.zip

# 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](https://blog.csdn.net/u011254180/article/details/79857684)。 **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](https://blog.csdn.net/u011254180/article/details/79453775)。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://115.159.204.68:8080/ 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](https://grouplens.org/datasets/movielens/)：** 本次下载的为1m大小的数据集 **3.环境的搭建：** 1）[hdfs搭建](http://blog.csdn.net/u011254180/article/details/79377808) - spark1上搭建namenode,secondary namenode,datanode - spark2上搭建datanode - spark3上搭建datanode 2）[yarn搭建](http://blog.csdn.net/u011254180/article/details/79377808) - spark1上搭建resourcemanager,nodemanager - spark2上搭建nodemanager - spark3上搭建nodemanager 3）[mysql搭建](http://blog.csdn.net/u011254180/article/details/77893585),在spark2上搭建 4）[hive搭建](http://blog.csdn.net/u011254180/article/details/78068897),在spark1上搭建 5）[spark集群搭建](http://blog.csdn.net/u011254180/article/details/79381172)，搭建standalone模式，spark1为master，其他为worker **4.数据的清洗：** （上传数据至hdfs中，[hdfs操作](http://blog.csdn.net/u011254180/article/details/79399422)） 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](http://blog.csdn.net/u011254180/article/details/79395227)） - 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](https://github.com/ZzXxL1994/Machine-Learning-Papers/tree/master/ALS)) 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](https://blog.csdn.net/u011254180/article/details/77897663)，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](https://blog.csdn.net/u011254180/article/details/80000763)，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](http://blog.csdn.net/u011254180/article/details/79480234) 2）[安装kafka](http://blog.csdn.net/u011254180/article/details/79481088)，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