别人还在跑单机，他用Hadoop+Spark 10天搞定音乐推荐系统💖💖作者：计算机毕业设计小途 💙💙个人简介：

💖💖作者：计算机毕业设计小途 💙💙个人简介：曾长期从事计算机专业培训教学，本人也热爱上课教学，语言擅长Java、微信小程序、Python、Golang、安卓Android等，开发项目包括大数据、深度学习、网站、小程序、安卓、算法。平常会做一些项目定制化开发、代码讲解、答辩教学、文档编写、也懂一些降重方面的技巧。平常喜欢分享一些自己开发中遇到的问题的解决办法，也喜欢交流技术，大家有技术代码这一块的问题可以问我！ 💛💛想说的话：感谢大家的关注与支持！ 💜💜

网站实战项目

安卓/小程序实战项目

大数据实战项目

深度学习实战项目

大数据音乐推荐系统介绍

本系统《基于大数据的音乐推荐系统》以Hadoop+Spark为核心，通过HDFS集中存储百万级用户播放、评分与标签数据，利用Spark SQL与Pandas进行高效清洗与特征提取，再以协同过滤与内容模型在Spark引擎中离线训练推荐结果；后端提供Python Django与Java Spring Boot双版本REST接口，统一向前端Vue+ElementUI+Echarts的Dashboard、用户信息、音乐信息、音乐交流、音乐资讯、轮播图管理等模块输出JSON数据，实现实时榜单、个性化推荐、社区互动及后台系统管理，整套流程覆盖从数据上传、模型更新到结果可视化的闭环，为大四计算机毕业设计提供可直接运行、模块清晰、技术栈完整的大数据级音乐推荐范例。

大数据音乐推荐系统演示视频

演示视频

大数据音乐推荐系统演示图片

首页.png

登陆界面.png

音乐信息.png

音乐资讯.png

用户管理.png

大屏界面.png

大数据音乐推荐系统代码展示

spark = SparkSession.builder.appName("MusicALS").getOrCreate()
plays = spark.read.parquet("hdfs://namenode:9000/music/plays") \
             .select("user_id","music_id","play_time") \
             .withColumn("rating", when(col("play_time")>180,5).otherwise(1))
als = ALS(maxIter=10, regParam=0.01, userCol="user_id", itemCol="music_id", ratingCol="rating")
model = als.fit(plays)
rec = model.recommendForAllUsers(20).select("user_id", explode("recommendations").alias("rec"))
rec = rec.select("user_id", col("rec.music_id").alias("music_id"), col("rec.rating").alias("score"))
rec.write.format("jdbc").option("url","jdbc:mysql://localhost:3306/music") \
     .option("driver","com.mysql.cj.jdbc.Driver") \
     .option("dbtable","user_recommend").option("user","root").option("password","123456") \
     .mode("append").save()

# 2. 实时Top-N热门榜单：Spark Streaming每30秒聚合 → 更新MySQL chart表
ssc = StreamingContext(spark.sparkContext, 30)
lines = ssc.socketTextStream("localhost", 9999)
plays = lines.map(lambda x: json.loads(x)).map(lambda p: (p["music_id"],1))
counts = plays.reduceByKeyAndWindow(lambda a,b:a+b, lambda a,b:a-b, 300, 30)
def saveTop(rdd):
    if not rdd.isEmpty():
        top = rdd.sortBy(lambda x:x[1],ascending=False).take(100)
        conn = pymysql.connect(host="localhost",user="root",password="123456",db="music")
        cur = conn.cursor()
        cur.execute("delete from chart")
        for m_id,cnt in top:
            cur.execute("insert into chart(music_id,play_count) values(%s,%s)",(m_id,cnt))
        conn.commit(); cur.close(); conn.close()
counts.foreachRDD(saveTop)
ssc.start(); ssc.awaitTermination()

# 3. 用户个性化推荐接口：Django视图函数，查询ALS结果+补全热门歌
@api_view(['GET'])
def personal(request):
    uid = request.GET.get("user_id")
    conn = pymysql.connect(host="localhost",user="root",password="123456",db="music")
    cur = conn.cursor(pymysql.cursors.DictCursor)
    cur.execute("select music_id,score from user_recommend where user_id=%s order by score desc limit 20", (uid,))
    als = cur.fetchall()
    if len(als) < 20:
        need = 20 - len(als)
        cur.execute("select music_id from chart order by play_count desc limit %s", (need,))
        hot = cur.fetchall()
        als.extend(hot)
    mids = [str(r["music_id"]) for r in als]
    sql = "select id,title,artist,album,cover from music where id in ({})".format(",".join(mids))
    cur.execute(sql)
    tracks = cur.fetchall()
    cur.close(); conn.close()
    return Response(tracks)

大数据音乐推荐系统文档展示

文档.png 💖💖作者：计算机毕业设计小途 💙💙个人简介：曾长期从事计算机专业培训教学，本人也热爱上课教学，语言擅长Java、微信小程序、Python、Golang、安卓Android等，开发项目包括大数据、深度学习、网站、小程序、安卓、算法。平常会做一些项目定制化开发、代码讲解、答辩教学、文档编写、也懂一些降重方面的技巧。平常喜欢分享一些自己开发中遇到的问题的解决办法，也喜欢交流技术，大家有技术代码这一块的问题可以问我！ 💛💛想说的话：感谢大家的关注与支持！ 💜💜

网站实战项目

安卓/小程序实战项目

大数据实战项目

深度学习实战项目