基于pyspark的岗位招聘数据分析可视化系统
舟率率 7/21/2025 pythonscalaspringbootjavavue
# 项目概况
# 数据类型
boss直聘网站招聘数据
# 开发环境
centos7
# 软件版本
python3.8.18、hadoop3.2.0、hive3.1.2、spark3.1.2、mysql5.7.38、scala2.12.18、jdk8
# 开发语言
Scala、Java
# 开发流程
数据上传(hdfs)->数据清洗(mapreduce)->数据分析(pyspark)->数据存储(mysql)->后端(springboot)->前端(vue)
# 可视化图表
# 操作步骤
# 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的用户名:root 密码:123456
# MySQL的用户名:root 密码:123456
# MySQL的用户名:root 密码:123456
mysql -uroot -p123456
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 执行MySQL语句
cd /data/jobs/project/
# 上传 "mysql" 目录下的 "mysql.sql" 文件 到 "/data/jobs/project/" 目录
# 请确认mysql服务已经启动了
# 快速执行.sql文件内的sql语句
mysql -u root -p < mysql.sql
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 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
1
2
3
4
5
2
3
4
5
# 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
1
2
3
4
5
6
7
8
9
10
2
3
4
5
6
7
8
9
10
# 准备目录
mkdir -p /data/jobs/project/
cd /data/jobs/project/
# 解压 "数据" 目录下的 "data.7z" 文件
# 上传 "数据" 目录下的 "data.txt" 文件 到 "/data/jobs/project/" 目录
1
2
3
4
5
6
7
2
3
4
5
6
7
# 上传文件到hdfs
cd /data/jobs/project/
hdfs dfs -mkdir -p /data/input/
hdfs dfs -rm -r /data/input/*
hdfs dfs -put -f data.txt /data/input/
hdfs dfs -ls /data/input/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 数据清洗
cd /data/jobs/project/
# 对 "数据清洗" 目录下的项目 "mapreduce-job" 进行打包
# 打包命令: mvn clean package -Dmaven.test.skip=true
# 上传 "mapreduce-job/target/" 目录下的 "mapreduce-job-jar-with-dependencies.jar" 文件 到 "/data/jobs/project/" 目录
hadoop jar mapreduce-job-jar-with-dependencies.jar /data/input/ /dw/ods/emp/
# 检查预处理结果
hdfs dfs -ls /dw/ods/emp/
hdfs dfs -cat /dw/ods/emp/part-r-00000|head -10
1
2
3
4
5
6
7
8
9
10
11
12
13
14
2
3
4
5
6
7
8
9
10
11
12
13
14
# pyspark数据分析
cd /data/jobs/project/
# 上传 "analysis_pyspark" 目录下的 "所有" 文件 到 "/data/jobs/project/" 目录
sed -i 's/\r//g' run.sh
bash run.sh
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 启动后端
# 已安装 "jdk8" 和 "maven" 环境
# 启动springboot
# 打包命令: mvn clean package -Dmaven.test.skip=true
# 入口类: org.apophis.Application
1
2
3
4
5
6
7
2
3
4
5
6
7
# 启动前端
# 安装node
# 启动springboot
# 启动前端
npm install --registry=https://registry.npmmirror.com
# 备选: cnpm install
npm run dev
# 清除 npm 缓存并删除 node_modules
npm cache clean --force
rm -rf node_modules
rm package-lock.json
npm install
1
2
3
4
5
6
7
8
9
10
11
12
13
2
3
4
5
6
7
8
9
10
11
12
13