使用Vue.js构建旅游景点大数据分析可视化系统
基于Hadoop旅游景点大数据分析与可视化系统

前言介绍

本文使用Vue.js构建的旅游景点大数据分析与可视化系统采用Spring Boot、Vue.js、MySQL、Hadoop等技术，构建了一个功能全面的Web应用。该系统实现了用户注册与登录、景点类型景点信息地区，评分管理、订单等数据管理、对景点数据进行大屏数据分析展示等功能模块。管理员可以通过系统进行各种信息管理和景点数据分析管理等，以及对系统的数据进行统计分析了解系统运营状况。

系统通过整合前后端技术，提供了高效的数据处理和用户体验。Hadoop集群负责存储和处理大规模景点数据数据。系统的模块化设计使得各功能相互独立又紧密协作，提升了系统的可扩展性和维护性。管理员则可以灵活地管理用户和景点数据以及对数据进行数据分析统计，准确洞悉平台系统运营状况，为后续提升平台的运营效率提供了便捷的途径。

01开发环境

1.1 Java 技术

1.2 Spring Boot 框架

1.3 Hadoop，Hdfs

1.4 Scrapy爬虫

1.5 MySQL数据库

1.6 B/S 结构

1.7 Vue.js 技术

1.8 基于用户收藏的协同算法

02系统功能模块

亮点（基于用户收藏的协同算法，数据导入导出，随机生成数据，数据分析、Echarts可视化）

1、数据管理：后台信息列表管理。

2、数据存储：mysql数据库。

3、可视化分析：各种数据分析统计后图表大屏展示

4、数据分析：根据hadoop大数据技术进行数据分析

03 图片展示

04部分代码展示

/**
     * （交流学习+vx：S20231025S ）
     * 协同算法（基于用户收藏的协同算法）
     */

    @RequestMapping("/autoSort2")

    public R autoSort2(@RequestParam Map<String, Object> params,JingdianxinxiEntity jingdianxinxi, HttpServletRequest request){

        String userId = request.getSession().getAttribute("userId").toString();

        Integer limit = params.get("limit")==null?10:Integer.parseInt(params.get("limit").toString());

        List<StoreupEntity> storeups = storeupService.selectList(new EntityWrapper<StoreupEntity>().eq("type", 1).eq("tablename", "jingdianxinxi"));

        Map<String, Map<String, Double>> ratings = new HashMap<>();

        if(storeups!=null && storeups.size()>0) {

            for(StoreupEntity storeup : storeups) {

                Map<String, Double> userRatings = null;

                if(ratings.containsKey(storeup.getUserid().toString())) {

                    userRatings = ratings.get(storeup.getUserid().toString());

                } else {

                    userRatings = new HashMap<>();

                    ratings.put(storeup.getUserid().toString(), userRatings);

                }             if(userRatings.containsKey(storeup.getRefid().toString())) {                  userRatings.put(storeup.getRefid().toString(), userRatings.get(storeup.getRefid().toString())+1.0);

                } else {                  userRatings.put(storeup.getRefid().toString(), 1.0);

                }

            }

        }

        // 创建协同过滤对象

        UserBasedCollaborativeFiltering filter = new UserBasedCollaborativeFiltering(ratings);



        // 为指定用户推荐物品

        String targetUser = userId;

        int numRecommendations = limit;

        List<String> recommendations = filter.recommendItems(targetUser, numRecommendations);