854771076/Employment_referral

就业推荐系统 spark ml 推荐系统 协同过滤 招聘平台 爬虫 毕业设计 大数据技术 招聘信息爬虫 智联招聘

[toc]

JobFree

展示

https://www.fiang.fun

开发日志

• 2024.3.19 新增可视化分析大屏

一、声明

本程序仅供学习和演示目的，不用于任何商业用途，作者对程序的使用和任何可能的损失概不负责，在使用本程序前，请确保您理解风险，并根据自己的需要进行适当的测试和验证，使用本程序即表示您接受了这个免责声明。

二、联系方式

QQ: 854771076 一键三连领取全量数据和原始数据

导入数据后的测试账号

• 前台

http://127.0.0.1:8001

root/12345678

• 后台

http://127.0.0.1:8001/admin

root/12345678

• 爬虫后台

http://127.0.0.1:5000

admin/admin

未导入后台账号创建

cd 项目路径/web-server
python manage.py createsuperuser

三、支持

四、项目架构

4.1 总架构图

4.2 数仓架构

4.3 功能设计

4.4 ER图

五、项目部署

5.1 docker-compose部署

5.1.1 docker安装

1. 安装 yum-utils

   sudo yum install -y yum-utils device-mapper-persistent-data lvm

2. 添加 Docker 的 Yum 源

   sudo yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

3. 更新 Yum 包的索引

   sudo yum makecache fast

4. 安装最新版本的 Docker

   sudo yum install docker-ce

5. 启动 Docker

   sudo systemctl start docker
   sudo systemctl enable docker

6. 查看版本

   docker version

5.1.2 docker-compose安装

1. yum源安装

   yum -y install docker-compose

2. 官网安装

   sudo curl -L "https://github.com/docker/compose/releases/download/1.27.4/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
   sudo chmod +x /usr/local/bin/docker-compose
   

3. 查看版本

   docker-compose --version

5.1.3 项目部署

# docker-compose 创建并启动相应服务
cd 项目目录/
docker-compose up -d

5.1.4 进入系统

将数据库数据导入数据库后打开连接 http://虚拟机ip 无数据联系作者

5.2 环境初始化

5.2.1 快捷脚本(Windows)

• 下载Anaconda
• 运行env-init.bat
• 注意控制台信息，需要输入两个y

5.2.2 正常流程

• 下载Anaconda

• 创建虚拟环境

  • 爬虫环境

  conda create -n jobfreeSpider python=3.8
  
  pip install -r .\spiderProject\requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

  • Web环境

  conda create -n jobfree python=3.8
  
  pip install -r .\web-server\requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

• 下载MySQL和Redis数据库

5.3 项目启动

5.3.1 爬虫程序

windows一键启动

双击spder-start.bat

正常启动

• 切换至 jobfreeSpider环境

  conda activate jobfreeSpider

• 启动scrapyd进程

  scrapyd
  # 控制台输入
  # windows输入 scrapyd 后收后台挂起，新建cmd执行后续
  # Linux输入nohup scrapyd > scrapyd.log & + ctrl+D挂起

• 启动Gerapy

  gerapy runserver 0.0.0.0:5000
  # 控制台输入
  # windows输入 gerapy runserver 0.0.0.0:5000 后收后台挂起
  # Linux输入nohup gerapy runserver 0.0.0.0:5000 > gerapy.log & + ctrl+D挂起

• 浏览器打开http://127.0.0.1进入Gerapy，用户名密码admin/admin

• 点击项目管理-编辑

  

• 找到settings.py,修改redis和mysql为自己的配置，不用建表，自动建

  

• 修改完不用保存（自动保存），点击项目管理-部署

  

• 点击重新打包后，再点击部署即可（如果报错99%是你的数据库配置有问题，因为部署时会执行检查代码，连接不上就报错）

  

• 如果部署失败，查看scrapyd进程/日志

5.3.2 Web程序

配置settings.py

# web-server\DRF\settings.py
# SMTP邮箱设置,怎么申请请自行网上学习
EMAIL_BACKEND = 'django.core.mail.backends.smtp.EmailBackend'
EMAIL_HOST = ''  # 邮箱SMTP服务器地址
EMAIL_HOST_USER = ''  # 邮箱用户名
EMAIL_HOST_PASSWORD = ''  # 邮箱密码
# EMAIL_USE_TLS = True  # 使用TLS加密
DEFAULT_FROM_EMAIL = ''  # 默认发件人邮箱
#redis
REDIS_HOST='127.0.0.1'
REDIS_PORT=6379
REDIS_PSW=''
REDIS_DB=1
#MySQL
DATABASES = {
    'default': {
        'ENGINE': 'django.db.backends.mysql',
        'NAME': 'jobfree',  
        'USER': 'root',  
        'PASSWORD': 'root',  
        'HOST': '127.0.0.1',
        'PORT': 3306,
        'OPTIONS': {'charset': 'utf8mb4'},
    },

}

迁移数据库

conda activate jobfree
cd web-server
python manage.py migrate

导入测试数据

ETL\test_data.sql，然后完成ETL模块再进行下一步运行

windows一键启动

双击web-start.bat

正常启动

cd web-server
conda activate jobfree
python manage.py runserver

5.3.3 ETL模块

环境搭建

有集群则跳过

Windows下使用hadoop+hive+sparkSQL-CSDN博客

初始化hive数据库

ETL\init.sql

安装python库

pip install findspark

执行ETL脚本

ETL\xxx目录下的py文件

模型训练

model\ALS.py