Spark大数据分析与实战：基于Spark MLlib 实现音乐推荐_基于spark的音乐

Spark大数据分析与实战：基于Spark MLlib 实现音乐推荐

---

基于Spark MLlib 实现音乐推荐

一、实验背景：

熟悉 Audioscrobbler 数据集

基于该数据集选择合适的 MLlib 库算法进行数据处理

进行音乐推荐（或用户推荐）

二、实验目的：

计算AUC评分最高的参数

利用AUC评分最高的参数，给用户推荐艺术家

对多个用户进行艺术家推荐

利用AUC评分最高的参数，给艺术家推荐喜欢他的用户

三、实验步骤：

1. 安装Hadoop和Spark
2. 启动Hadoop与Spark
3. 将文件上传到 HDFS
4. 实现音乐推荐

四、实验过程：

1、安装Hadoop和Spark

具体的安装过程在我以前的博客里面有，大家可以通过以下链接进入操作：

Hadoop的安装：https://blog.csdn.net/weixin_47580081/article/details/108647420
Scala及Spark的安装：https://blog.csdn.net/weixin_47580081/article/details/114250894

提示：如果IDEA未构建Spark项目，可以转接到以下的博客：

IDEA使用Maven构建Spark项目：https://blog.csdn.net/weixin_47580081/article/details/115435536

2、启动Hadoop与Spark

查看3个节点的进程

master
slave1

slave2

3、将文件上传到 HDFS

Shell命令：

[root@master ~]# cd /opt/data/profiledata_06-May-2005/
[root@master profiledata_06-May-2005]# ls
[root@master profiledata_06-May-2005]# hadoop dfs -put artist_alias.txt artist_data.txt user_artist_data.txt /spark/input
1
2
3

4、实现音乐推荐

源代码：

package com.John.SparkProject

import org.apache.spark.SparkConf
import org.apache.spark.broadcast.Broadcast
import org.apache.spark.ml.recommendation.{
   ALS, ALSModel}
import org.apache.spark.sql.functions._
import org.apache.spark.sql.{
   DataFrame, Dataset, SparkSession}

import scala.collection.mutable.ArrayBuffer
import scala.util.Random


/**
 * @author John
 * @Date 2021/5/25 12:49
 */
object project02 {
   
  def main(args: Array[String]): Unit = {
   

    /**
     * 前期环境配置以及数据准备
     */
    // 创建一个SparkSession对象
    val conf = new SparkConf()
      .setMaster("local[2]")
      .setAppName("Project02_RecommenderApp")
      .set("spark.sql.crossJoin.enabled", "true")
    val spark = new SparkSession.Builder()
      .config(conf)
      .getOrCreate()

    import spark.implicits._
    // 导入 artist_data.txt 文件 (每个艺术家的 ID 和对应的名字)
    // 字段名分别是: artistid artist_name
    val rawArtistData = spark.read.textFile("hdfs://192.168.254.122:9000/spark/input/artist_data.txt")
    val artistIdDF = transformArtistData(rawArtistData)
    val artistIdDFtest = transformArtistData1(rawArtistData)

    // 导入 artist_alias.txt 文件 (将拼写错误的艺术家 ID 或ID 变体对应到该艺术家的规范 ID)
    // 字段名分别是: badid goodid
    val rawAliasData = spark.read.textFile("hdfs://192.168.254.122:9000/spark/input/artist_alias.txt")
    val artistAlias = transformAliasData(rawAliasData).collect().toMap

    // 导入 user_artist_data.txt 文件 (用户音乐收听数据)
    // 字段名分别是 userid artistid playcount
    val rawUserArtistData = spark.read.textFile("hdfs://192.168.254.122:9000/spark/input/user_artist_data.txt")

    // 整合数据
    val allDF = transformUserArtistData(spark, rawUserArtistData, artistAlias)
    allDF.persist()

    // 拆分训练集和测试集
    val Array(trainDF, testDF) = allDF.randomSplit(Array(0.9, 0.1))
    trainDF.persist()

    // 查看一下指定 user 听过的艺术家
    allDF.join(artistIdDFtest,"artist").select("name").filter("user='2093760'").show(5)

    /**
     * 根据题目要求参数
     * 给用户推荐艺术家
     */
    //        // 根据题目要求构建模型
    //        val als = new ALS()
    //              .setSeed(Random.nextLong())
    //              .setImplicitPrefs(true)
    //              .setRank(10) // 模型潜在因素个数
    //              .setRegParam(0.01) // 正则化参数
    //              .setAlpha(1.0) // 管理偏好观察值的 基线置信度
    //              .setMaxIter(5) // 最大迭代次数
    //              .setUserCol("user")
    //              .setItemCol("artist")
    //              .setRatingCol("count")
    //              .setPredictionCol("prediction")
    //        // 用训练数据训练模型
    //        val model = als.fit(trainDF)
    //        // 释放缓存资源
    //        trainDF.unpersist()
    //        // 开始推荐
    //        val userID = 2093760
    //        val artistNum = 5
    //        val recommendDF = recommend(model, userID, artistNum, artistIdDF)
    //
    //        val strings = recommendDF.map(_.mkString("|")).collect()
    //        println(strings.toBuffer)

    /**
     * 计算AUC评分最高的参数
     * 原理:循环指定参数暴力计算，根据AUC计算出评分最高的参数进行建模
     */
    //    // 艺术家id数据，用于AUC评分
    //    val allArtistIds = allDF.select("artist").as[Int].distinct().collect()
    //    val bAllArtistIds = spark.sparkContext.broadcast(allArtistIds)
    //
    //    // 网格搜索
    //    val evaluations =
    //    // 利用for循环，生成不同的超参数配置
    //      for (rank <- Seq(5, 30);
    //           regParam <- Seq(4.0, 0.0001);
    //           alpha <- Seq(1.0, 40.0))
    //        yield {
   
    //          // 构建模型
    //          val als = new ALS()
    //            .setSeed(Random.nextLong())
    //            .setImplicitPrefs(true)
    //            .setRank(rank)
    //            .setRegParam(regParam)
    //            .setAlpha(alpha)
    //            .setMaxIter(5)
    //            .setUserCol("user")
    //            .setItemCol("artist")
    //            .setRatingCol("count")
    //            .setPredictionCol("prediction")
    //          val model = als.fit(trainDF)
    //          val auc = areaUnderCurve(testDF, bAllArtistIds, model.transform)
    //          // 释放资源
    //          model.userFactors.unpersist()
    //          model.itemFactors.unpersist()
    //          (auc, (rank, regParam, alpha))
    //        }
    //    // 按评分降序输出各参数信息
    //    evaluations.sorted.reverse.foreach(println)
    //        (0.9134340440577203,(30,4.0,40.0)) // 最优参数
    //        (0.9124295941963009,(30,4.0,1.0))
    //        (0.9121292259762062,(30,1.0E-4,40.0))
    //        (0.9111586767382363,(5,4.0,40.0))
    //        (0.9097682726329872,(5,1.0E-4,40.0))
    //        (0.9089218752871897,(5,4.0,1.0))
    //        (0.9038315464345514,(5,1.0E-4,1.0))
    //        (0.8951870697645603,(30,1.0E-4,1.0))

    /**
     * 利用AUC评分最高的参数
     * 给用户推荐艺术家
     */
    //    // 利用AUC评分最高的参数进行模型构建
    //    val als = new ALS()
    //      .setSeed(Random.nextLong())
    //      .setImplicitPrefs(true)
    //      .setRank(30) // 模型潜在因素个数
    //      .setRegParam(4.0) // 正则化参数
    //      .setAlpha(40.0) // 管理偏好观察值的 基线置信度
    //      .setMaxIter(5) // 最大迭代次数
    //      .setUserCol("user")
    //      .setItemCol("artist")
    //      .setRatingCol("count")
    //      .setPredictionCol("prediction")
    //    // 训练模型
    //    val model = als.fit(trainDF)
    //    // 释放缓存资源
    //    trainDF.unpersist()
    //    // 开始推荐
    //    val userID = 2093760
    //    val artistNum = 5
    //    val recommendDF = recommend(model, userID, artistNum, artistIdDF)
    //    recommendDF.show()
    //
    //    val strings = recommendDF.map(_.mkString("|")).collect()
    //    println(strings.toBuffer)

    /**
     * 用测试数据对10个用户进行推荐
     */
//    // 利用AUC评分最高的参数进行模型构建
//    val als = new ALS()
//      .setSeed(Random.nextLong())
//      .setImplicitPrefs(true)
//      .setRank(30) // 模型潜在因素个数
//      .setRegParam(4.0) // 正则化参数
//      .setAlpha(40.0) // 管理偏好观察值的 基线置信度
//      .setMaxIter(5) // 最大迭代次数
//      .setUserCol("user")
//      .setItemCol("artist")
//      .setRatingCol("count")
//      .setPredictionCol("prediction")
//    // 训练模型
//    val model = als.fit(trainDF)
//    //用测试数据对100个用户进行推荐
//    val someUsers = testDF.select("user").as[Int].distinct.take(10)
//    // 推荐
//    someUsers.map { user =>
//      val recommendDF = recommend(model, user, 5, artistIdDF)
//      val strings = recommendDF.map(_.mkString("|")).collect()
//      (user, strings.toBuffer)
//    }.foreach(println)


    
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192