（十五）介绍文档——从0开始大数据开发实战：电影推荐系统（scala版）

1）Film_Recommend_Dataframe 为推荐系统的后端完整项目，目录结构为

1.1）Out文件夹：

out\artifacts\Film_Recommend_Dataframe_jar\Film_Recommend_Dataframe.jar

 

Film_Recommend_Dataframe.jar包是将整个项目打包后得到的jar包

 

我们可以如下命令启动spark运行该jar包：

  ./bin/spark-submit --class recommend.MovieLensALS

~/IdeaProjects/Film_Recommend_Dataframe/out/artifacts/Film_Recommend_Dataframe_jar/Film_Recommend_Dataframe.jar /input_spark 1

 

效果和在idea运行程序相同

 

1.2）Src文件夹：

src\main\recommend目录下为项目的所有代码

推荐算法主程序为：

1.3）Pom.xml ：为maven的配置文件

 

1.4）其他文件是自动生成的文件

 

 

 

 

 

 

 

2）movierecommendapp 为推荐系统的前端代码

2.1）views目录下是前端界面文件

Index.jade: 首页

Loginpage.jade :登录界面

Personalratings.jade:评分界面

Recommendresult.jade: 推荐界面

Registerpage.jade: 注册界面

Registersuccess.jade:提示注册成功界面

Userscoresuccess.jade:提示评分成功界面

Css:样式优化

 

2.2）movierecommend.js ：实现跳转、操作数据库和调用后端jar包

 

 

3）数据库

 

含有四个表

 

Movieinfo: 存储电影信息

User:存储用户信息

Personalratings:存储用户的评分信息

Recomendresult:存储推荐结果

 

 

每个表的设计结构：

 

​ ​​

 

​ ​​

 

​ ​​

 

​ ​​

 

4）总体流程

 

4.1）通过命令行 cd 到前端文件夹movierecommendapp的目录下

 

4.2）通过执行 node movierecommend.js 启动http服务器

 

4.3）在浏览器中输入localhost:3000 进入到首页

 

4.4）在前端进行操作（登录、注册、评分等）

点击相关按钮，node movierecommend.js会执行相应的跳转、数据库操作（查询、插入等）、启动spark执行Film_Recommend_Dataframe.jar包得到推荐结果并插入数据库