1.DrissionPage自动化Python爬虫工具采集飞猪网机票航班数据约1000万条存入.csv文件作为数据集;
2.使用pandas+numpy或MapReduce对数据进行数据清洗,生成最终的.csv文件并上传到hdfs;
3.使用hive数仓技术建表建库,导入.csv数据集;
4.离线分析采用hive_sql完成,实时分析利用Flink之Scala、FlinkSQL完成;
5.统计指标使用sqoop导入mysql数据库;
6.使用flask+echarts进行可视化大屏幕炫酷展示;
创新点/特色:
0.全新PyFlink而不是Flink!吊打一切!全网都没啥教程!属于最新最屌最流行!
1.DrissionPage自动化Python爬虫工具,比传统的selenium、requests强悍很多,7*24小时不间断疯狂爬取无压力;
2.可视化炫酷大屏幕;
3.虚拟机显摆敲命令碾压答辩现场(市面上全是假算法假爬虫假大数据都不带用虚拟机的);
4.1000万海量数据集;
5.Flink实时计算+Hive、Hadoop离线计算双实现有效避免导师喷你;
注意:如果还被喷项目工作量简单或者课设级别等理由不让你过,直接1秒内无缝对接选装推荐系统、后台管理、前台系统、预测算法、知识图谱等
可选装项目模块如下:
1.推荐系统(4种深度学习推荐算法 协同过滤基于用户 基于物品 SVD神经网络 MLP)。附带AI、支付、短信、lstm情感分析。
2.预测系统(KNN CNN RNN卷积神经预测 K-means 线性回归)。
3.知识图谱neo4j可视化关系网络图。
4.后台管理系统。