# 健康饮食数据分析可视化推荐系统

**Repository Path**: guangduan/Healthy-Diet-Data-Analysis-and-Visualization-Recommendation-System

## Basic Information

- **Project Name**: 健康饮食数据分析可视化推荐系统
- **Description**: 基于Hadoop的健康饮食数据分析可视化推荐系统采用Java 技术Spring Boot框架和Hadoop，spark，hive，Scrapy爬虫，MySQL数据库，B/S 结构，Vue.js 技术，基于用户收藏的协同算法向用户推荐健康饮食。
- **Primary Language**: Java
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-09-19
- **Last Updated**: 2025-09-24

## Categories & Tags

**Categories**: Uncategorized

**Tags**: 健康饮食推荐系统, SpringBoot, MySQL, Vue, Hadoop-spark-hive

## README

## 基于Hadoop的健康饮食推荐系统的设计与实现

## 前言介绍

  本文基于Hadoop的健康饮食推荐系统采用Spring Boot、Vue.js、MySQL、Element UI、Spring Data JPA，Hadoop，Spark，hive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、用户个人信息管理、用户饮食记录等功能模块，为用户提供个性化的饮食推荐服务。管理员可以通过系统进行用户信息管理和饮食记录审核。此外，Python爬虫技术用于采集最新的饮食数据，确保推荐内容的时效性和准确性。

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饮食数据。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。用户能够方便地浏览和选择适合自己健康需求的菜单，管理员则可以灵活地管理用户信息和审核饮食记录，确保系统的正常运行。

## 01开发环境

1.1Java 技术

1.2Spring Boot 框架

1.3Hadoop，spark，hive

1.4Scrapy爬虫

1.5MySQL数据库

1.6B/S 结构

1.7Vue.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（爬虫【食品安全网站】、协同算法推荐、数据预测、Echarts可视化）

1、数据管理：爬虫信息列表展示。

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
![输入图片说明](01.png)
![输入图片说明](02.png)
![输入图片说明](03.png)
![输入图片说明](04.png)
![输入图片说明](05.png)
![输入图片说明](06.png)
![输入图片说明](08.png)
![输入图片说明](08-1.png)
![输入图片说明](09.png)
![输入图片说明](010.png)
![输入图片说明](011.png)


## 04代码展示


```
/**
   * 交流学习vx18484646674
   *  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,CaipinxinxiEntity caipinxinxi, 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", "caipinxinxi"));

        // 创建协同过滤对象

        UserBasedCollaborativeFiltering filter = new UserBasedCollaborativeFiltering();



        // 为指定用户推荐物品

        String targetUser = userId;

        int numRecommendations = limit;

        List<String> recommendations = filter.recommendItems(storeups, "userid", "refid", userId, numRecommendations);



        // 输出推荐结果

        System.out.println("Recommendations for " + targetUser + ":");

        for (String item : recommendations) {

            System.out.println(item);

        }



        EntityWrapper<CaipinxinxiEntity> ew = new EntityWrapper<CaipinxinxiEntity>();

        ew.in("id", String.join(",", recommendations));

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

            ew.last("order by FIELD(id, "+"'"+String.join("','", recommendations)+"'"+")");

        }



        // 根据协同结果查询结果并返回

        PageUtils page = caipinxinxiService.queryPage(params, MPUtil.sort(MPUtil.between(MPUtil.likeOrEq(ew, caipinxinxi), params), params));;

        List<CaipinxinxiEntity> pageList = (List<CaipinxinxiEntity>)page.getList();

        if(recommendations!=null && recommendations.size()>0 && pageList.size()<limit) {

            int toAddNum = limit-pageList.size();

            ew = new EntityWrapper<CaipinxinxiEntity>();

            ew.notIn("id", recommendations);

            ew.orderBy("id", false);

            ew.last("limit "+toAddNum);

            pageList.addAll(caipinxinxiService.selectList(ew));

        } else if(pageList.size()>limit) {

            pageList = pageList.subList(0, limit);

        }

        page.setList(pageList);



        return R.ok().put("data", page);

    }



```