流程

1.DrissionPage采集知音漫客約2萬(wàn)條國(guó)產(chǎn)動(dòng)漫數(shù)據(jù)存入mysql數(shù)據(jù)庫(kù)；

2.Mapreduce對(duì)采集的動(dòng)漫數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、拆分?jǐn)?shù)據(jù)項(xiàng)等，轉(zhuǎn)為.csv文件上傳hadoop的hdfs集群；

3.hive建庫(kù)建表導(dǎo)入.csv動(dòng)漫數(shù)據(jù)；

4.一半指標(biāo)使用hive_sql分析得出，一半指標(biāo)使用Spark之Scala完成；

5.sqoop對(duì)分析結(jié)果導(dǎo)入mysql數(shù)據(jù)庫(kù)；

6.Flask+echarts搭建可視化大屏；

創(chuàng)新點(diǎn)

• Python全新DrissionPage爬蟲(chóng)使用

• 海量數(shù)據(jù)

• 爬蟲(chóng)

• 可視化大屏

• 離線hive+實(shí)時(shí)Spark雙實(shí)現(xiàn)

可選裝

• 推薦系統(tǒng)

• 預(yù)測(cè)系統(tǒng)

• 知識(shí)圖譜

• 后臺(tái)管理等