大数据实训案例:电影推荐系统(SCALA版)/林子雨

第1章 案例概述 1

1.1　案例目的　1

1.2　适用对象　1

1.3　时间安排　2

1.4　预备知识　2

1.5　硬件要求　2

1.6　软件工具　3

1.7　数据集　3

1.8　案例任务　3

1.9　实验步骤　4

1.10　在线资源　6

1.10.1　在线资源一览表　6

1.10.2　下载专区　7

1.10.3　先修课程　8

1.10.4　大数据课程公共服务平台　8

1.11　本章小结　9

第2章　大数据实验环境搭建　10

2.1　Linux系统及相关软件使用方法　10

2.1.1　Shell　11

2.1.2　root用户　11

2.1.3　创建普通用户　11

2.1.4　sudo命令　12

2.1.5　常用的Linux系统命令　12

2.1.6　文件解压缩　13

2.1.7　常用的目录　13

2.1.8　目录的权限　14

2.1.9　更新APT　14

2.1.10　切换中英文输入法　15

2.1.11　vim编辑器的安装和使用方法　16

2.2　JDK的安装　16

2.3　Scala的安装　17

2.4　Hadoop的安装和基本使用方法　18

2.4.1　安装Hadoop前的准备工作　18

2.4.2　安装Hadoop　20

2.4.3　HDFS操作常用Shell命令　23

2.5　Spark的安装和基本使用方法　25

2.5.1　下载安装文件　25

2.5.2　配置相关文件　26

2.5.3　Spark和Hadoop的交互　26

2.5.4　在spark-shell中运行代码　27

2.6　MySQL数据库的安装和基本

使用方法　29

2.6.1　安装MySQL　29

2.6.2　MySQL常用操作　32

2.7　本章小结　34

第3章　IntelliJ IDEA开发工具的安装和使用方法　35

3.1　下载和安装IDEA　35

3.2　下载Scala插件安装包　35

3.3　启动IDEA　36

3.4　为IDEA安装Scala插件　39

3.5　配置项目的JDK　42

3.6　使用IDEA开发WordCount程序　44

3.6.1　创建一个新项目WordCount　45

3.6.2　为WordCount项目添加Scala框架支持　47

3.6.3　设置项目目录　50

3.6.4　新建Scala代码文件　52

3.6.5　配置pom.xml文件　53

3.6.6　更新Maven的依赖文件　55

3.6.7　运行WordCount程序　56

3.6.8　打包WordCount程序生成

JAR包　57

3.6.9　把JAR包提交到Spark中运行　61

3.7　本章小结　61

第4章　ETL工具Kettle的安装和

使用方法　62

4.1　安装Kettle　62

4.1.1　下载安装包　62

4.1.2　解压文件到安装目录　62

4.1.3　复制MySQL数据库驱动程序

JAR包　63

4.1.4　启动Kettle中的Spoon　63

4.1.5　设置中文界面　65

4.2　使用Kettle把数据加载到HDFS中　65

4.2.1　配置Kettle　66

4.2.2　新建作业　66

4.2.3　添加START组件　67

4.2.4　添加“Hadoop Copy Files”控件　68

4.2.5　设置“Hadoop Copy Files”

控件的属性　68

4.2.6　执行作业并查看运行结果　69

4.2.7　到HDFS中查看数据　70

4.3　本章小结　70

第5章　使用Spark SQL读写

MySQL数据库的方法　71

5.1　Spark SQL概述　71

5.2　创建MySQL数据库　72

5.3　在spark-shell交互式环境中

读写MySQL数据库　72

5.3.1　读取MySQL数据库中的数据　73

5.3.2　向MySQL数据库写入数据　74

5.4　编写独立应用程序读写MySQL

数据库　75

5.4.1　新建项目　75

5.4.2　设置依赖包　76

5.4.3　设置代码目录　78

5.4.4　新建Scala代码文件　79

5.4.5　配置pom.xml文件　80

5.4.6　编译运行程序　82

5.4.7　生成应用程序JAR包　83

5.4.8　把JAR包提交到Spark中运行　85

5.5　本章小结　86

第6章　使用Spark MLlib实现协同

过滤算法　87

6.1　推荐系统概述　87

6.1.1　什么是推荐系统　87

6.1.2　长尾理论　88

6.1.3　推荐方法　88

6.1.4　推荐系统模型　89

6.1.5　推荐系统的应用　89

6.2　协同过滤算法　90

6.2.1　基于用户的协同过滤　90

6.2.2　基于物品的协同过滤　91

6.2.3　UserCF算法和ItemCF算法的

对比　92

6.2.4　基于模型的协同过滤　92

6.3　Spark MLlib中的协同过滤算法　92

6.3.1　ALS算法的基本原理　93

6.3.2　在spark-shell中运行ALS算法　95

6.3.3　编写独立应用程序运行ALS

算法　99

6.4　本章小结　103

第7章　Node.js的安装和使用

方法　104

7.1　Node.js的安装　104

7.2　创建Node.js应用　105

7.2.1　引入Node.js模块　105

7.2.2　创建服务器　105

7.2.3　接收请求与响应请求　106

7.3　使用Express框架和Jade模板引擎　106

7.3.1　创建项目目录　106

7.3.2　安装Express开发框架　107

7.3.3　安装Jade模板引擎　107

7.3.4　创建服务器　107

7.3.5　创建模板文件　107

7.3.6　测试网页　108

7.4　实例1：设计网页实现用户注册登录

功能　108

7.4.1　创建MySQL数据库　108

7.4.2　创建项目目录　109

7.4.3　安装Express开发框架　109

7.4.4　安装MySQL驱动模块　109

7.4.5　创建服务器　109

7.4.6　创建网页　111

7.4.7　测试网页　112

7.5　实例2：采用Jade模板引擎实现

用户注册登录功能　113

7.5.1　创建项目目录　113

7.5.2　安装Express开发框架　113

7.5.3　安装Jade模板引擎　114

7.5.4　安装MySQL驱动模块　114

7.5.5　安装body-parser模块　114

7.5.6　创建服务器　114

7.5.7　创建网页模板文件　116

7.5.8　测试网页　116

7.6　实例3：通过网页调用词频统计应用

程序　118

7.6.1　创建项目目录　119

7.6.2　安装Express开发框架　119

7.6.3　创建服务器　119

7.6.4　安装Jade模板引擎　119

7.6.5　为应用入口index.js增加路由等

功能　121

7.6.6　在网页中调用程序并展现结果　123

7.7　本章小结　124

第8章　电影推荐系统（基础版）的

实现过程　125

8.1　数据分析整体过程　125

8.2　把数据集加载到HDFS中　126

8.2.1　数据集基本情况　126

8.2.2　数据集下载　127

8.2.3　使用Kettle工具清洗数据并加载到HDFS中　127

8.3　编写Spark程序实现电影推荐　134

8.3.1　新建项目　134

8.3.2　设置依赖包　136

8.3.3　设置代码目录　137

8.3.4　新建Scala代码文件　137

8.3.5　配置pom.xml文件　141

8.3.6　编译运行程序　142

8.3.7　生成应用程序JAR包　145

8.3.8　把JAR包提交到Spark中运行　147

8.4　使用Node.js在网页中展现结果　148

8.4.1　创建项目目录　148

8.4.2　安装相关模块　148

8.4.3　创建服务器　148

8.4.4　添加模板文件　149

8.4.5　在网页中调用程序并展现结果　150

8.5　本章小结　151

第9章　电影推荐系统（升级版）的

设计与实现　152

9.1　系统概述　152

9.2　系统总体设计　153

9.3　数据库的设计与实现　153

9.3.1　数据库设计　153

9.3.2　数据库实现　154

9.4　Spark程序的设计与实现　155

9.4.1　新建项目　156

9.4.2　新建Scala代码文件　156

9.4.3　配置pom.xml文件　161

9.4.4　运行程序　163

9.4.5　生成应用程序JAR包　165

9.5　系统网站的设计与实现　166

9.5.1　系统网站的设计　166

9.5.2　系统网站的实现　168

9.6　本章小结　179

参考文献　180