基于Python+Hadoop的健康饮食推荐可视化系统的设计与实现

一点毕设

1012人浏览 · 2025-09-25 10:26:16

一点毕设 · 2025-09-25 10:26:16 发布

💗博主介绍：✌全网粉丝20W+,CSDN全栈领域优质创作者，博客之星、掘金/华为云/阿里云等平台优质作者,计算机毕设实战导师。目前专注于大学生项目实战开发,讲解,毕业答疑辅导，欢迎高校老师/同行前辈交流合作✌
💗主要服务内容：免费功能设计、选题定题、开题报告、任务书、程序开发、论文编写和辅导、论文降重、程序讲解、答辩辅导等，欢迎咨询~
👇🏻 精彩专栏推荐订阅👇🏻
计算机毕业设计精品项目案例（持续更新，值得收藏！）✅
2025-2026年计算机毕业设计选题推荐：计算机专业毕业设计题目大全✅
全网最全计算机毕业设计选题推荐：计算机毕设选题指导及避坑指南✅
🌟文末获取源码+数据库+文档🌟
感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及论文编写等相关问题都可以和学长沟通，希望帮助更多的人

一.前言

现在，人们越来越重视健康管理。但是，过去的饮食推荐系统有不少问题。比如数据量不够大，算法也不能及时更新，所以很难满足每个人不同的健康饮食需求。我们开发的这个系统，有多个功能模块。它能让用户注册登录，管理个人信息，还能记录饮食情况。通过这些功能，系统可以给用户推荐适合他们的饮食。系统还有管理员。管理员能管理用户信息，审核饮食记录，还能优化推荐算法。同时，系统用Python爬虫技术收集最新的饮食数据，保证推荐内容既准确又及时。这个系统用了很多技术，像Spring Boot、Vue.js、MySQL、Element UI和Spring Data JPA 。通过这些技术，系统搭建起一个功能齐全的网页应用。系统把前端和后端技术结合起来，数据处理效率高，用户用起来也方便。系统用Hadoop集群来存储和处理大量饮食数据，这样就能训练和优化个性化推荐算法。系统采用模块化设计，各个功能分开又能合作，以后扩展新功能或者维护都很方便。用户能用系统找到符合自己健康需求的菜单，管理员也能顺利管理用户信息和审核饮食记录。

二.技术环境

开发语言：Python
Python框架：Django
数据库：mysql 5.7或更高版本
数据库工具：Navicat11
爬虫框架：Scrapy
开发软件：Pycharm
前端框架:vue.js
可视化技术：Echarts

三.功能设计

系统包括用户和管理员两种角色。
（1）管理员关键功能包含菜品类型管理、论坛分类管理、社区交流等进行管理。管理员用例如下：

在这里插入图片描述

（2）用户关键功能包含个人中心、系统首页、我的收藏等进行管理。用户用例如下：

在这里插入图片描述
本系统总体功能结构图如下所示：

四.数据设计

系统需要数据库存储系统中的信息，MySQL数据库能够处理系统的信息，当考研信息爬虫与分析需要数据的时候，MySQL数据库能够取得数据交给服务端处理。MySQL数据库能够使用可视化软件操作，管理员可以在可视化软件对数据库的信息管理。
系统数据层设计包括了E-R设计，系统数据实体的设计依赖于E-R的分析和设计，通过E-R能够得到数据库表的设计，E-R能够描述系统所涉及到的实体，还能够描述系统中不同实体的联系和关系。系统总体E-R图如下所示：
在这里插入图片描述

五.部分效果展示

5.1前台用户功能实现效果

用户注册与登录模块是系统的核心功能之一。用户通过输入账号和密码进行注册，系统验证账号的唯一性后将用户信息存储在Hadoop分布式文件系统中。登录时，用户输入账号密码，系统进行校验并生成会话标识符，确保用户后续操作的安全性和连续性。该模块采用简单的加密算法对密码进行处理，保障用户信息安全。如图所示：

在这里插入图片描述

用户个人信息管理模块允许用户查看和编辑个人资料，如姓名、性别、年龄等基本信息。用户登录后可进入个人信息页面，修改并保存更新后的信息。所有用户数据均存储于Hadoop集群中，确保数据的高可用性和可靠性。系统提供友好的用户界面，简化用户操作流程，提升用户体验。如图所示：
在这里插入图片描述

用户营养成分页面的实现依托Hadoop生态体系的高效数据处理能力：首先，通过Hive或Spark对HDFS中存储的用户饮食日志（含食物种类、分量、摄入时间）进行清洗与聚合，结合预置的食物营养成分表（如USDA数据库）进行关联计算，生成用户每日营养素摄入量（如热量、蛋白质、维生素等）。其次，利用Hadoop的MapReduce并行计算能力优化批量数据分析性能，确保实时性。最终，前端通过API获取后端分析结果，以动态图表（ECharts）展示营养摄入分布，并提供超标/不足项预警及个性化饮食建议，形成完整的数据闭环。如图所示：
在这里插入图片描述

用户菜品信息页面的实现基于Hadoop生态实现高效数据管理与处理：系统通过Flume或Kafka收集用户上传的菜品数据（如图片、名称、食材列表），利用OCR技术与NLP模型解析图片及文本信息，并将结构化数据存储至HDFS。后端采用Spark对菜品数据进行清洗、去重及营养成分匹配（关联预置的营养数据库），通过Hive构建菜品标签体系（如“低脂”“高纤维”）。前端通过RESTful API调用分析结果，以卡片式布局展示菜品详情，支持多维度筛选（如热量范围、食材禁忌）及营养成分对比，实现数据驱动的菜品信息可视化呈现。如图所示：
在这里插入图片描述

用户社区交流页面的实现依托Hadoop生态构建了高效、可扩展的交互平台。系统通过Kafka实时收集用户发布的饮食心得、健康食谱等交流内容，并利用Spark Streaming进行数据清洗与分类（如按主题、标签聚合）。后端基于HBase存储用户互动数据（点赞、评论、关注关系），结合Hive构建社区话题分析模型，挖掘热门趋势。前端通过Vue.js动态渲染内容，支持按关键词搜索、话题排序及个性化推荐。同时，借助Hadoop的MapReduce能力对历史数据进行批量分析，优化内容推荐算法，最终形成以数据驱动的健康饮食社区生态。如图所示：
在这里插入图片描述

用户个性化推荐菜单浏览模块基于用户的饮食记录和个人信息，利用Hadoop平台的数据分析能力，为用户提供个性化的健康饮食推荐。用户可以选择感兴趣的菜品，获取详细的制作方法和营养成分，方便日常饮食安排。图5-4 用户个性化推荐菜单浏览页面。
在这里插入图片描述

用户消息推送页面基于Hadoop生态实现精准触达：系统通过Spark Streaming实时处理用户行为日志（如饮食记录、社区互动），结合Hive构建用户画像（如饮食偏好、健康目标）。利用Hadoop的分布式存储能力整合消息模板库，通过Flink实现消息路由规则匹配，支持按用户标签（如“减脂用户”）定向推送健康贴士或食谱推荐，最终通过第三方服务（如短信/APP通知）完成消息分发。如图所示：
在这里插入图片描述

5.2后台管理员功能实现效果

管理员用户信息管理模块用于管理员查看和管理所有用户的注册信息。管理员登录后可进入管理后台，查询、添加、删除或修改用户信息。系统提供了便捷的搜索和过滤功能，帮助管理员快速定位特定用户。所有操作均记录在日志中，确保系统的透明性和安全性。管理员还可以批量导出用户数据，便于进一步分析和管理。图管理员用户信息管理页面。
在这里插入图片描述

管理员营养成分页面的实现基于Hadoop生态构建了高效数据管理平台：系统通过Spark对HDFS中存储的食品营养数据（如热量、维生素含量）进行批量处理与校验，利用Hive构建多维分析模型（按食品类别、营养素类型聚合）。管理员可通过前端页面动态增删改查食品数据，并借助Hadoop的分布式计算能力实时更新营养成分推荐规则，确保用户端数据准确性。如图所示：
在这里插入图片描述

管理员菜品类型页面的实现依托Hadoop生态构建了灵活的菜品分类体系：系统通过Hive对HDFS中存储的菜品数据（如名称、食材、烹饪方式）进行结构化处理，利用Spark MLlib训练菜品分类模型（如基于TF-IDF的文本聚类）。管理员可通过前端页面直观管理菜品标签（如“素食”“低糖”），并通过MapReduce任务批量更新菜品分类规则，确保推荐系统的菜品类型维度实时同步。如图所示：
在这里插入图片描述

管理员菜品信息页面基于Hadoop生态实现高效数据运维：系统通过Hive对HDFS中的菜品数据（名称、食材、营养值等）进行结构化存储与索引，利用Spark进行批量数据校验（如检测重复菜品、营养值异常）。管理员可通过前端页面增删改查菜品信息，借助MapReduce任务同步更新菜品库至推荐引擎，并利用Hadoop的容错机制保障数据一致性，确保用户端菜品推荐准确无误。如图所示：
在这里插入图片描述

管理员饮食记录页面的实现基于Hadoop生态构建了可靠的饮食数据管理平台：系统通过Flume收集用户饮食记录日志并存储至HDFS，利用Spark Streaming进行实时清洗与结构化处理。管理员可通过Hive查询接口按用户、时间范围筛选记录，借助MapReduce任务分析饮食趋势（如热量超标用户分布）。如图所示：
在这里插入图片描述

管理员社区交流页面依托Hadoop生态实现高效社区管理：系统通过Kafka收集用户社区互动数据（如帖子、评论），利用Spark Streaming实时分析话题热度与违规内容，存储至HBase。管理员可通过Hive查询接口筛选敏感信息，借助MapReduce批量处理用户举报数据，并通过前端页面执行内容审核、话题管理操作，确保社区健康交流环境。如图所示：
在这里插入图片描述

5.3可视化大屏展示功能实现效果

在管理员推荐算法优化模块里，管理员能对个性化推荐算法的参数进行调整和优化。管理员通过管理后台，设置不同的权重和规则，以此来影响推荐结果的准确性。系统配备了可视化工具，方便管理员直观查看算法的效果，然后进行细节调整。并且，所有的优化操作都会记录在日志中，这样就能保证算法调整的过程公开透明，也便于管理和控制。如图所示：
在这里插入图片描述

六.部分功能代码

import scrapy
import pymysql
import pymssql
from ..items import xiangmuItem
import time
import re
import random
import platform
import json
import os
from urllib.parse import urlparse
import requests
import emoji
class xiangmuSpider(scrapy.Spider):
    name = 'xiangmuSpider'
    spiderUrl = 'https://url网址'
    start_urls = spiderUrl.split(";")
    protocol = ''
    hostname = ''

    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)


    # 列表解析
    def parse(self, response):
        
        _url = urlparse(self.spiderUrl)
        self.protocol = _url.scheme
        self.hostname = _url.netloc
        plat = platform.system().lower()
        if plat == 'windows_bak':
            pass
        elif plat == 'linux' or plat == 'windows':
            connect = self.db_connect()
            cursor = connect.cursor()
            if self.table_exists(cursor, 'xiangmu') == 1:
                cursor.close()
                connect.close()
                self.temp_data()
                return

        list = response.css('ul.subject-list li.subject-item')
        
        for item in list:

            fields = xiangmuItem()



            fields["laiyuan"] = self.remove_html(item.css('div.pic a.nbg::attr(href)').extract_first())
            if fields["laiyuan"].startswith('//'):
                fields["laiyuan"] = self.protocol + ':' + fields["laiyuan"]
            elif fields["laiyuan"].startswith('/'):
                fields["laiyuan"] = self.protocol + '://' + self.hostname + fields["laiyuan"]
            fields["fengmian"] = self.remove_html(item.css('div.pic a.nbg img::attr(src)').extract_first())
            fields["xiaoshuoming"] = self.remove_html(item.css('div.info h2 a::attr(title)').extract_first())

            detailUrlRule = item.css('div.pic a.nbg::attr(href)').extract_first()
            if self.protocol in detailUrlRule:
                pass
            elif detailUrlRule.startswith('//'):
                detailUrlRule = self.protocol + ':' + detailUrlRule
            else:
                detailUrlRule = self.protocol + '://' + self.hostname + detailUrlRule
                fields["laiyuan"] = detailUrlRule

            yield scrapy.Request(url=detailUrlRule, meta={'fields': fields},  callback=self.detail_parse)


    # 详情解析
    def detail_parse(self, response):
        fields = response.meta['fields']

        try:
            if '(.*?)' in '''div#info span a::text''':
                fields["zuozhe"] = re.findall(r'''div#info span a::text''', response.text, re.S)[0].strip()
            else:
                if 'zuozhe' != 'xiangqing' and 'zuozhe' != 'detail' and 'zuozhe' != 'pinglun' and 'zuozhe' != 'zuofa':
                    fields["zuozhe"] = self.remove_html(response.css('''div#info span a::text''').extract_first())
                else:
                    fields["zuozhe"] = emoji.demojize(response.css('''div#info span a::text''').extract_first())
        except:
            pass
 # 去除多余html标签
    def remove_html(self, html):
        if html == None:
            return ''
        pattern = re.compile(r'<[^>]+>', re.S)
        return pattern.sub('', html).strip()

    # 数据库连接
    def db_connect(self):
        type = self.settings.get('TYPE', 'mysql')
        host = self.settings.get('HOST', 'localhost')
        port = int(self.settings.get('PORT', 3306))
        user = self.settings.get('USER', 'root')
        password = self.settings.get('PASSWORD', '123456')

        try:
            database = self.databaseName
        except:
            database = self.settings.get('DATABASE', '')

        if type == 'mysql':
            connect = pymysql.connect(host=host, port=port, db=database, user=user, passwd=password, charset='utf8')
        else:
            connect = pymssql.connect(host=host, user=user, password=password, database=database)

        return connect

    # 断表是否存在
    def table_exists(self, cursor, table_name):
        cursor.execute("show tables;")
        tables = [cursor.fetchall()]
        table_list = re.findall('(\'.*?\')',str(tables))
        table_list = [re.sub("'",'',each) for each in table_list]

        if table_name in table_list:
            return 1
        else:
            return 0
@main_bp.route("/python05c7298x/danchexinxi/save", methods=['POST'])
def python05c7298x_danchexinxi_save():
    '''
    '''
    if request.method == 'POST':
        msg = {"code": normal_code, "msg": "success", "data": {}}
        req_dict = session.get("req_dict")
        if danchexinxi.count(danchexinxi, danchexinxi, {"danchebianhao":req_dict["danchebianhao"]})>0:
            msg['code'] = crud_error_code
            msg['msg'] = "单车编号已存在"
            return jsonify(msg)
        for key in req_dict:
            if req_dict[key] == '':
                req_dict[key] = None
        error= danchexinxi.createbyreq(danchexinxi, danchexinxi, req_dict)
        if error!=None:
            msg['code'] = crud_error_code
            msg['msg'] = error
        return jsonify(msg)

为什么选择我们

大学毕业那年，曾经有幸协助指导老师做过毕业设计课题分类、论文初选（查看论文的格式）、代码刻录等打杂的事情，也帮助过同界N多同学完成过毕业设计工作，毕业后在一家互联网大厂工作8年，先后从事Java前后端开发、系统架构设计等方面的工作，有丰富的编程能力和水平，也在工作之余指导过别人完成过一些毕业设计的工作。2016年至今，团队已指导上万名学生顺利通过毕业答辩，目前是csdn特邀作者、CSDN全栈领域优质创作者，博客之星、掘金/华为云/B站/知乎等平台优质作者,计算机毕设实战导师，专注于大学生项目实战开发,讲解,毕业答疑辅导，欢迎咨询~✌