# course_design

**Repository Path**: ShadowLim/course_design

## Basic Information

- **Project Name**: course_design
- **Description**: 在校期间，我完成的所有与大数据相关的课程设计项目。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 4
- **Forks**: 1
- **Created**: 2022-12-09
- **Last Updated**: 2024-12-23

## Categories & Tags

**Categories**: Uncategorized

**Tags**: BigData

## README

# course_design

## Simplified Chinese
在校期间，我完成的所有与大数据相关的课程设计项目。 代码以及数据集请切换到master分支！

---

## English
During my time in college, I completed all the big data-related curriculum design projects Please switch to the master branch for code and dataset!


## Nowcoder_job

### 软件架构

- 操作系统：Ubuntu 16.04
- Hadoop：Hadoop 2.7.1
- Sqoop：Sqoop 1.4.6
- Hbase：Hbase 1.1.5
- Hive：Hive 1.2.1
- MySQL：MySQL 5.7.16
- IDE:  
    - Eclipse 3.8
    - IntelliJ IDEA 2019.2

- 8. 可视化工具：Echarts

### 项目介绍

本项目设计MR、Hive、MySQL、HBase、Sqoop等Hadoop生态圈的框架使用。


## ke_house

### 软件架构

- 操作系统：Windows10 + Ubuntu Kylin16.04
- 开发工具：IntelliJ IDEA 2020.2.3、Eclipse3.8
- Java版本：JDK1.8
- MySQL版本：5.7（Ubuntu）、8.0（Windows10）
- Hadoop版本：Hadoop2.7.2
- Hive版本：Hive1.2.2
- 可视化工具：Echarts

### 项目功能

统计分析国内四大一线城市二手房的情况，包括房子楼龄、价格、数量、地理位置、优势、面积大小、规格大小等维度，更好地展示二手房的市场趋势，帮助部分人解决购房问题。


## cn_books

### 软件架构

- Windos版本：Windows10
- Linux版本：Ubuntu Kylin 16.04
- JDK版本：Java8
- Hadoop版本：Hadoop-2.7.1
- HBase版本：HBase-1.1.5
- Zookeepr版本：使用HBase自带的ZK
- Redis版本：Redis-3.2.7
- MongoDB版本：MongoDB-3.2.7
- Neo4j版本：Neo4j-3.5.12 Community
- IDE：IDEA 2020.2.3 和 Pycharm 2021.1.3

### 项目功能

本次项目实现对Hbase、Redis、MongoDB、Neo4j等NoSQL数据库的增删改查操作，并使用MongoDB对书籍数据进行基本的统计分析。

## MiXuan_Mall Project
### 技术选型
- 操作系统：Windows10 + CentOS7.5
- 开发工具：IntelliJ IDEA 2019.2.3
- Java版本：JDK1.8 
- MySQL版本：5.7（CentOS）、8.0（Windows10） 
- Hadoop版本：Hadoop3.1.3 
- Flume版本：Flume1.9.0
- Kafka版本：Kafka_2.11-2.4.1
- Spark版本：Spark3.0.0
- 可视化工具：Echarts

### 项目背景
针对一站式智能带货电商服务平台米选网对3C数码、运动户外、美妆和生鲜4个不同类型的商品销售及物流情况进行分析统计，更好地展示该带货平台的服务质量。

### 项目功能
使用大数据技术Spark对米选网的商品信息进行统计分析,包括RDD、SparkSQL、流处理和机器学习的使用，最终采用Echarts进行数据可视化展示。