随着信息化时代的快速发展，大数据分析技术在商业领域的应用日益广泛。为了满足校园超市日益增长的顾客需求，提升用户购物体验和超市运营效率，本文设计并实现了一个基于关联规则挖掘算法的校园超市购物推荐系统。该系统采用了一系列先进的技术和工具，包括Python、Django、MySQL、Hadoop、Spark、Vue和Echarts等，通过数据挖掘和机器学习技术，为校园超市提供了一个智能化的购物推荐解决方案。总的来说，系统首先采用了Spark对超市销售数据集进行高效的数据分割和预处理，利用Hadoop分布式存储技术保障数据的安全性和可扩展性，并将处理后的数据存储在MySQL数据库中。通过Django框架和Vue.js前端技术，实现了用户友好的交互界面和可视化数据展示功能。同时，系统还集成了Echarts图表库，用于生成销售日期统计、类型统计和销售额统计等可视化数据图表，帮助用户直观地了解超市销售情况。此外，系统还利用线性回归算法建立预测模型，为用户提供未来半个月销售额的预测服务，帮助用户做出更明智的购物决策。
根据以上的功能需求情况，整体的功能模块包括有前台vue项目模块，后台django项目模块。前台vue的页面主要页面包括注册与登录页面，数据可视化展示页面，数据准备模块主要用来准备基础数据，并通过使用hadoop进行存储到mysql中。
用户进入本系统可查看系统主页信息，可视化主页面展示生成包括有销售日期统计，类型统计和销售额统计等可视化数据分析图表。主页中的图表数据主要是通过Echarts框架的功能，只需要创建对应的实体类，便可以获取对应的展示信息。
