基于mapreduce的岗位招聘数据分析可视化系统
舟率率 3/2/2026 pythonmapreduceflasksqoopvue
# 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、mysql5.7.38、jdk8、sqoop1.4.7
# 开发语言
python、Java
# 开发流程
数据预处理(python)->数据上传(hdfs)->数据清洗及分析(mapreduce)->数据存储(mysql)->后端(flask)->前端(vue)
# 可视化图表
# 操作步骤
# python安装包
pip3 install pandas==2.0.3 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install flask==3.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install flask-cors==4.0.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install pymysql==1.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip3 install pyecharts==2.0.4 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install flask-sqlalchemy -i https://pypi.tuna.tsinghua.edu.cn/simple/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 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
# 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
# 数据预处理
mkdir -p /data/jobs/project/
cd /data/jobs/project/
# 上传 "data" 目录下的 "result.csv" 文件 到 "/data/jobs/project/" 目录
# 上传 "数据清洗" 目录下的 "data_clean.py" 文件 到 "/data/jobs/project/" 目录
head -10 result.csv
# 执行预处理
python3 data_clean.py
# 查看结果
head -10 data.csv
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
# 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 data.csv /data/input/
hdfs dfs -ls /data/input/
1
2
3
4
5
6
7
8
2
3
4
5
6
7
8
# 程序打包
cd /data/jobs/project/
# 对项目 "mapreduce-job" 进行打包
# 打包命令
mvn clean package -Dmaven.test.skip=true
# 打包完成后,上传 "mapreduce-job/target/" 目录下的 "mapreduce-job-jar-with-dependencies.jar" 文件 到 "/data/jobs/project/" 目录
yes | cp target/mapreduce-job-jar-with-dependencies.jar /data/jobs/project/
1
2
3
4
5
6
7
8
9
10
2
3
4
5
6
7
8
9
10
# 数据清洗及分析
cd /data/jobs/project/
# 清洗数据
hadoop jar mapreduce-job-jar-with-dependencies.jar 1 /data/input/data.csv /data/output/01/
# 验证清洗结果
hdfs dfs -ls /data/output/01/
hdfs dfs -cat /data/output/01/part-r-00000|head -20
# 统计计算
hadoop jar mapreduce-job-jar-with-dependencies.jar 2 /data/output/01/ /data/output/02/
# 验证清洗结果
hdfs dfs -ls /data/output/02/
hdfs dfs -cat /data/output/02/part-r-00000|head -20
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 创建MySQL表
cd /data/jobs/project/
# 上传 "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 -uroot -p123456 < mysql.sql
1
2
3
4
5
6
7
8
9
2
3
4
5
6
7
8
9
# 数据导入MySQL
cd /data/jobs/project/
/export/software/sqoop-1.4.7.bin__hadoop-2.6.0/bin/sqoop export \
--connect jdbc:mysql://master:3306/echarts?characterEncoding=UTF-8 \
--username root \
--password 123456 \
--table t_ads_job_agg \
--columns category,category_val,total_salary,job_num,median_salary \
--export-dir /data/output/02/ -m 1 \
--verbose \
--fields-terminated-by '\t'
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
# 启动可视化
####################### 后端 #######################
mkdir -p /data/jobs/project/myapp/
cd /data/jobs/project/myapp/
# 上传 "后端" 的 "app.py" 文件 到 "/data/jobs/project/" 目录
# windows本地运行: python app.py
python3 app.py pro
####################### 前端 #######################
# 安装node
# 启动前端
npm install --registry=https://registry.npmmirror.com
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
# 用户名: xf
# 密码: 123456
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24