Spark离线和实时电影推荐系统
第一模块：开发环境和集群准备1、项目总体介绍和背景a.基于Spark流行的大数据工具，开发一套电影推荐系统，让大家体验到如何实现自己的“猜你喜欢”的推荐。 很多电商和购物网站以及一些手机上的应用，猜你喜欢已经成为了必备功能，它对网站的销售有着很明显的刺激作用。
2、技术框架a.大数据工具的选择，包括HDFS、HIVE、SPARK、KAFKA、HBASE、PHOENIX、ZEPPELIN等工具。
b.推荐的实时性，包括实时推荐和离线推荐。
3、系统要求以及开发的重点和难点a. 完成一个推荐系统，为每个用户产生合适的电影产品的推荐结果。并且满足在性能，可靠性上的要求。
b. 实时数据的产生以及打到kafka消息队列中。
c. 对数据特征的发掘、清洗和加工。
d. 产生推荐系统的模型，并在多个模型中选择最佳的模型。
e. 解决整个系统中的性能问题。
4、集群准备a. 搭建hadoop、hive、spark、kafka、zookeeper、hbase、phoenix、ZEPPELIN集群
b. 安装MYSQL，配置Hive metastore。
5、开发环境准备a.在eclipse中构建项目，通过Maven来管理项目，并添加相关的依赖。
6、项目数据准备a. 下载数据
第二模块：数据特点分析、清洗、加工成表和数据集的准备
1、分析数据的特点a. 介绍各个文件的作用以及用户和电影的各个属性
b. 分析数据区间、特点
c. 探讨开发的思路
2、数据入HDFS,通过SPARKSQL整理成表a. 构建RDD
b. 定义各个表对应的case class
c. 将RDD转换成DATAFRAME
d. 在sparksql中创建对应的表
e. 通过sparksql做一些查询来验证
3、数据集的准备a. 字段剖析
b. 选择合适的字段将数据切分成测试集和验证集
第三模块：离线推荐模块的开发
1、数据加工，整理出ratinga. 通过一系列的数据转换形成rating数据
2、依据ratings构建模型a. 构建模型
3、理论补充a. ALS算法的介绍
4、最佳参数的寻找a. 评估模型好坏的指标RMSE
b. 模型相关的参数
c. 如何寻找最好的模型
5、离线推荐a. 依据输入的某个用户ID，加载模型，产生推荐的电影结果，写入到数据库中
b. 依据输入的某个电影，加载模型，给出可能喜欢的用户
第四模块：Kafka+spark Streaming实时推荐模块的开发
1、构建实时数据流a. 将ratings表里的数据通过模拟的方式打入到kafka的消息队列中。
2、在sparkstreaming中接收kafka消息队列中的数据，开发实时数据处理模块a. 在sparkstreaming通过direct的方式来接收kakfa中的数据，然后加载已经存在的模型，实时生成推荐结果，写入到数据库中。
3、新用户或者未登录用户a. 推荐策略的推想，以及实现用户的推荐。
第五模块：推荐系统的完善
1、系统稳定性的考虑a. 开发脚本来保证实时应用的持续运行。
2、数据的展示a. 通过Zeppelin来连接sparkSQL,提供一个方面快捷的数据探查的系统
3、探索其他的算法在推荐系统中可能的用处a. 其他算法的介绍和应用
第六模块：性能优化
1、内存的分配a. 思考和探讨各部分内存的优化思路
2、任务的调度a. 寻求合理的资源分配及任务调度，修改适当的配置来完善系统
3、其他方面的优化
第七模块：项目总结
1、项目总结a. 与大家一块探讨整个系统开发过程中的感受，对系统的理解，需求的理解，各个组件的理解。
2、技术探讨a. 与学生一起探讨整个系统还可以从哪些方向去做改进，如果做改进。架构，性能，推荐的准确性，实时性，系统稳定性，安全性。
下载地址：**** Hidden Message *****
6666666666666 666666666666666666666 不错不错 RE: Spark离线和实时电影推荐系 66666666666666666 77777777777777777777777 66666666666 您要查看本帖隐藏 aaaaaaaaaaaaaa
页:
[1]
2