Bright Spark 1.10是一个可视化的电子教育用的软件，可简单仿真基本的三极管电路，电容电路，开关电路。

基于nifi将mysql数据导入clickhouse。 给出了基于http与JDBC两种方式

该图书推荐系统适用于学校书籍管理，其重点功能首先是推荐，根据用户对于书籍点击情况，通过基于用户的协同过滤算法实现，其次是文件上传，通过spark读取数据集（csv文件）写入数据库，还有借书还书的功能等等。

kettle 9.3 连接clickhouse插件

- Clickhouse 21.4.5.46 - Kettle 9.1.0 - clickhouse JDBC驱动 com.clickhouse 0.3.2-patch3

官方 spark 学习示例程序，适用于初学者！ 有兴趣的可以下载下

七月在线七月在线## Note, this file is written by cloud-init on first boot of an instance

spark-2.3.4-bin-hadoop2.6.tgz

项目名称 电影推荐系统——烂豆瓣 项目目标 打开电影网站，脑袋就开始发大，动作片，爱情片，科幻片，中国的，欧美的，日韩的，到底哪一部最合自己的口味？茫茫影海，想要找到自己的“真爱”，谈何容易？我们知道你们找得辛苦，所以我们为你量身推荐电影！ 项目任务 任务 具体任务 负责人 工作量 数据集 负责完成收集电影、用户以及评分数据集，并对数据进行清洗，建立新的数据结构。建立并维护系统数据库。 推荐引擎 负责完成推荐系统，包括基于用户历史数据的离线推荐系统以及收集用户实时行为数据，进行精准的实时推荐。 API服务 负责完成基于烂豆瓣各产品，面向开发者的开放接口（API）服务。在这里，开发者可以接入烂豆瓣电影推荐的优质内容，以及基于各种兴趣的用户关系。 web应用 负责完成一个电影推荐web应用，利用开发接口API以及酷炫的web前端页面，实现用户与推荐系统的完美交互。 数据集 本系统所需要的电影数

基于Spark的电影推荐系统，python爬取数据并采用Django搭建系统（源码）内附详细说明文档，期末作业，毕业设计都可用。 系统架构的实现 系统的架构分为数据获取层，数据处理层，数据存储层，业务层，展示层。展示层包括了Web的前后台两部分，前台是为了用户来查看电影数据和推荐系统向用户展示推荐数据页面，后台是管理员管理用户和电影数据的页面。业务层是对前后台业务功能进行实现的代码逻辑层。 数据计算层是用来对数据做统计分析，和运行推荐算法的。通过对数据存储层里的基础数据和用户行为数据做计算推荐，得到的结果重新存入数据存储层中。 数据获取层用以获取本推荐系统所需要的大量基础数据，并进行数据预处理，使之规整以后便存入数据存储层中。