Hadoop伪分布式+Django的奥斯卡数据可视化毕设实战

发布时间：2026/10/25 11:56:37

1. 这不是又一个“毕设模板”，而是一套真实可跑、能讲清技术链路的奥斯卡数据系统

你搜“Python毕设选题推荐”，页面上堆满“基于XXX的YYY系统”——标题像复制粘贴，描述像AI生成，源码链接点开是404或压缩包密码失效。我带过三届毕业设计指导，每年都会收到学生发来的截图：“老师，这个‘Hadoop+Django可视化系统’真能跑吗？伪分布式搭了三天卡在YARN启动失败”“echarts图表加载空白，控制台报跨域，但Django明明开了CORS”“论文里写用了Spark做特征工程，实际代码里连pyspark import都没写”。这不是学生能力问题，是选题脱离工程现实的必然结果。

这个标题——【Python毕设选题推荐】基于Hadoop+Django的奥斯卡奖获奖数据可视化分析系统——表面看是典型“技术堆砌型”毕设，但拆开看，它其实锚定了一个极佳的实践切口：小规模结构化数据（奥斯卡历年获奖名单）+ 中等复杂度技术栈（Hadoop批处理 + Django Web服务 + ECharts前端）+ 明确业务逻辑（奖项趋势、地域分布、类型关联）。它不追求“高并发”“实时流”，却完整覆盖了数据从采集、清洗、存储、计算到展示的全生命周期。我去年帮两个学生落地这个选题，一个用本地伪分布式Hadoop跑通全流程，另一个直接用Docker Compose封装Hadoop+ZooKeeper+MySQL环境，答辩时被评委追问“为什么不用Spark？”“HDFS存CSV还是Parquet？”“Django如何隔离后台计算任务和前端请求？”——这些问题，恰恰是毕设该有的深度。

关键词里，“Python”是底座语言，不是装饰；“Hadoop”在这里不是为了装门面，而是解决“原始数据杂乱（网页HTML/Excel混杂）、清洗逻辑需复用、中间结果需持久化”的实际痛点；“Django”承担的是Web服务与业务逻辑粘合剂角色，不是简单套个admin后台；“数据可视化”必须体现交互性（比如点击某届奥斯卡，自动联动显示该届最佳影片导演、主演、制片国家的关联图谱），而非静态截图。所谓“免费源码大全”，真正值钱的从来不是那几百行代码，而是每一步配置背后的why——为什么Hadoop要配core-site.xml里的fs.defaultFS指向hdfs://localhost:9000而不是file:///？为什么Django的settings.py里DATABASES配置PostgreSQL比SQLite更适合演示“大数据后端”？为什么ECharts的dataset用source字段接Django API返回的JSON，比用dimensions硬编码更利于后期扩展？这些，才是你答辩时能站起来说清楚的东西。

适合谁参考？不是零基础想抄代码的同学，而是：已经学完《Python编程》《数据库原理》《Web开发基础》，正卡在“学了很多技术，但不知道怎么串成一个项目”的临界点；或者已确定毕设方向，但对Hadoop部署、Django与大数据组件集成、可视化交互设计缺乏实操经验的本科生。它不承诺“三天上线”，但保证你做完后，能指着服务器终端说：“看，这是NameNode日志，说明HDFS正常；这是Django shell里调用MapReduce Job的输出，说明计算层打通；这是浏览器Network面板里200响应的API，说明前后端联调成功。”——这种可控的、可验证的、有技术纵深感的完成体验，远比一份华丽但空洞的PPT重要得多。

2. 为什么选Hadoop+Django组合？避开三个常见认知陷阱

2.1 陷阱一：“Hadoop=必须集群，单机伪分布式就是假把式”

很多同学看到“Hadoop”就本能退缩，觉得得租三台云服务器、配SSH免密、搞HA高可用。这是对Hadoop定位的严重误读。Hadoop的核心价值在于提供一套可靠的、可扩展的分布式计算抽象模型（MapReduce/YARN）和分布式文件系统（HDFS），而它的伪分布式模式（Pseudo-Distributed Mode）正是为单机开发调试设计的——所有守护进程（NameNode, DataNode, ResourceManager, NodeManager）运行在同一台机器的不同JVM中，通过端口隔离，完全模拟真实集群的通信协议和数据流。它不是“阉割版”，而是“开发版”。

我让学生用MacBook Pro（16GB内存）跑伪分布式Hadoop，关键配置只有三处：

core-site.xml：fs.defaultFS设为hdfs://localhost:9000，告诉客户端数据存HDFS而非本地磁盘；
hdfs-site.xml：dfs.replication设为1（单机无需副本），dfs.namenode.name.dir指向自定义路径（如/usr/local/hadoop/data/namenode），避免权限冲突；
yarn-site.xml：yarn.resourcemanager.hostname设为localhost，yarn.nodemanager.resource.memory-mb设为2048（留一半内存给Django和浏览器）。

启动命令就两行：

# 格式化HDFS（仅首次） $HADOOP_HOME/bin/hdfs namenode -format # 启动HDFS和YARN $HADOOP_HOME/sbin/start-dfs.sh && $HADOOP_HOME/sbin/start-yarn.sh

实测下来，整个过程5分钟内完成，jps命令能看到NameNode、DataNode、ResourceManager、NodeManager全部进程。后续所有MapReduce作业（比如用Python写的WordCount统计某届最佳影片类型频次），都通过hadoop jar命令提交到这个伪分布式环境执行，输出结果自动存入HDFS。这比在本地用Pandas反复读写CSV文件，更能体现“数据不动计算动”的分布式思想，也方便后期无缝迁移到真集群——因为代码和配置逻辑完全一致。

提示：伪分布式最大的坑是端口冲突。如果本机已运行MySQL（默认3306）、Redis（6379）、Docker（2375），Hadoop的NameNode（9000）、DataNode（50010）、ResourceManager（8032）端口大概率不会撞。但YARN的Web UI默认端口8088，常被Docker Desktop占用，此时需在yarn-site.xml里加<property><name>yarn.resourcemanager.webapp.address</name><value>localhost:8089</value></property>，然后访问http://localhost:8089即可。

2.2 陷阱二：“Django只是个Web框架，和Hadoop八竿子打不着”

这是对Django定位的窄化理解。Django绝不仅是“写几个View返回HTML”的轻量级框架，它的核心优势在于企业级应用所需的健壮性、可维护性和生态整合能力。在这个选题里，Django承担三个不可替代的角色：

统一入口网关：所有前端请求（用户点击“查看近十年最佳导演趋势”）都经由Django路由分发，后端逻辑可灵活选择调用Hadoop MapReduce Job、直接查询MySQL聚合结果、或触发Celery异步任务，对外接口保持一致；
业务逻辑中枢：奥斯卡数据的业务规则（如“最佳影片必须是剧情片或传记片”“同一人同年获导演/编剧/主演奖算‘全能王’”）全在Django Model和View里实现，Hadoop只负责底层计算，不掺和业务判断；
安全与权限守门员：Django自带的User认证、CSRF防护、SQL注入过滤，让系统天然具备生产环境基础安全能力。若直接用Flask裸写API，这些都要自己造轮子，毕设阶段极易遗漏。

具体怎么“打通”？我们不用复杂的消息队列，而是采用最稳的进程间通信+文件协调：

Django View接收请求后，生成一个唯一Job ID（如oscar_20240515_001）；
将待处理参数（如年份范围、指标类型）写入HDFS指定路径（如/jobs/input/oscar_20240515_001.json）；
调用subprocess.run(['hadoop', 'jar', 'oscar-analyzer.jar', 'com.example.OscarAnalyzer', '/jobs/input/oscar_20240515_001.json', '/jobs/output/oscar_20240515_001'])启动MapReduce；
启动一个后台线程，轮询HDFS/jobs/output/oscar_20240515_001/_SUCCESS文件是否存在（存在即Job成功）；
成功后，读取/jobs/output/oscar_20240515_001/part-r-00000结果文件，解析为JSON返回前端。

这套流程看似“土”，但胜在稳定、易调试、无额外依赖。我试过用Celery+Redis解耦，结果学生总卡在Redis连接超时；也试过用Airflow调度，但毕设答辩时评委问“Airflow元数据库用什么？迁移脚本写了没？”，学生当场懵——而用HDFS文件状态做信号，一句hdfs dfs -test -e /jobs/output/xxx/_SUCCESS就能验证，干净利落。

2.3 陷阱三：“数据可视化=echarts画个柱状图，拖拽就行”

把ECharts当“高级Excel”用，是毕设可视化最普遍的失分点。真正的企业级数据可视化，核心不在“图多炫”，而在数据驱动、交互闭环、业务语义清晰。以奥斯卡数据为例：

数据驱动：图表数据必须来自Django API动态返回，而非前端写死JSON。比如“各国获奖数量地图”，API返回的是{"USA": 421, "UK": 187, "France": 92, ...}，ECharts用geo组件绑定世界地图GeoJSON，series[0].data直接映射此对象，数据变图表自动更新；
交互闭环：点击地图上“USA”，应触发新请求获取“美国历年获奖趋势折线图”，并同步高亮左侧“最佳影片类型占比饼图”中对应年份的数据项。这需要ECharts的chart.on('click', function(params) {...})事件监听，再调用axios.get('/api/trends/?country=USA')，拿到数据后chart.setOption()重绘；
业务语义清晰：不能只画“最佳导演年龄分布直方图”，而要标注“行业平均退休年龄65岁，获奖导演中位数48岁，说明创作黄金期集中于中年”。这要求Django API返回的JSON里，除了原始数据，还包含stats: {median: 48, mean: 51.2, industry_retirement_age: 65}等业务指标字段，前端直接渲染。

我让学生做的最小可行交互：在“历届最佳影片”表格里，鼠标悬停某部影片，右侧弹出该片导演、主演、制片国家、获奖年份的卡片，并自动高亮地图上该国位置。实现只需三步：

Django Table View返回HTML时，给每行<tr>加>SELECT ?film ?filmLabel ?director ?directorLabel WHERE { ?film wdt:P1028 wd:Q103942 . # P1028是“获奖”，Q103942是奥斯卡奖 ?film wdt:P57 ?director . # P57是“导演” SERVICE wikibase:label { bd:serviceParam wikibase:language "en" } }返回JSON格式，用requests.get(url, params={'query': sparql})调用，比爬虫稳定十倍。

采集后第一件事：数据清洗必须在Hadoop外完成。用Python脚本做：

统一film字段：将“Schindler's List”、“Schindlers List”、“Schindler’s List”标准化为“Schindler's List”（用unidecode库处理特殊字符）；
补全缺失值：director为空的影片（如早期无声片），用film字段在IMDb API查补（限速1000次/天，够用）；
生成衍生字段：decade（年代，如1920s）、country（影片制片国，从IMDb查或手动映射）、age_at_award（导演获奖年龄，需结合birth_date字段计算）。

清洗后的CSV，用hadoop fs -put上传至HDFS/raw/oscar_cleaned.csv，这才是Hadoop处理的起点。记住：Hadoop擅长“海量数据批处理”，不擅长“脏数据修复”，把脏活干在前面，后面才顺。

3.2 Hadoop层：MapReduce作业设计与HDFS存储策略

Hadoop在此项目中不玩花哨，专注解决三个核心计算：

趋势聚合：按年份统计各奖项获奖次数（如“最佳导演”每年几人获奖）；
关联分析：找出高频搭档（如导演+主演组合出现次数）；
异常检测：识别长期未获奖的国家（如连续20年无获奖影片）。

MapReduce作业用Java编写（因Hadoop原生支持最好），但关键在于InputFormat和OutputFormat的设计：

InputFormat：不用默认TextInputFormat，自定义OscarInputFormat继承FileInputFormat，重写createRecordReader，让Mapper直接读取CSV的列（year,award,name,film），跳过表头行；
Mapper：键值对设计为<Text, IntWritable>，Key是聚合维度（如"year:2020:award:Best Director"），Value恒为1；
Reducer：对相同Key的Value求和，输出<Text, IntWritable>，如("year:2020:award:Best Director", 1)；
OutputFormat：用TextOutputFormat，但重写getRecordWriter，确保输出文件为纯文本，无多余空格，便于Django读取。

HDFS存储策略遵循“冷热分离”：

原始数据/raw/：保留原始CSV，副本数3（防误删）；
清洗后数据/cleaned/：副本数2，供日常计算；
计算结果/output/：副本数1，因结果可重算，省空间。

实操中，学生常犯的错是Reducer输出路径写错。正确命令：

hadoop jar oscar-analyzer.jar com.example.OscarTrendDriver \ -input /cleaned/oscar_cleaned.csv \ -output /output/trends_20240515

注意-output路径必须不存在，Hadoop会自动创建。若路径已存在，Job直接失败——这是Hadoop的强一致性设计，不是Bug。

3.3 Django层：模型设计、API构建与异步任务管理

Django Models不照搬CSV字段，而是按业务域建模：

class Film(models.Model): title = models.CharField(max_length=200) year = models.IntegerField() country = models.CharField(max_length=100, blank=True) class Person(models.Model): name = models.CharField(max_length=200) birth_year = models.IntegerField(null=True, blank=True) class Award(models.Model): name = models.CharField(max_length=100) # "Best Director" category = models.CharField(max_length=50) # "Film" class Win(models.Model): film = models.ForeignKey(Film, on_delete=models.CASCADE) person = models.ForeignKey(Person, on_delete=models.CASCADE, null=True, blank=True) award = models.ForeignKey(Award, on_delete=models.CASCADE) year = models.IntegerField() # 关键：添加computed字段，避免每次查询都计算 age_at_award = models.IntegerField(null=True, blank=True)

Win模型是核心，它把“影片-人-奖项-年份”四元组实体化，支持任意维度关联查询。age_at_award在数据导入时计算好（year - birth_year），而非运行时annotate()，大幅提升查询速度。

REST API用Django REST Framework构建：

/api/trends/：GET参数?year_start=2010&year_end=2023&award=Best Director，返回JSON{ "data": [{"year":2010,"count":1},...] }；
/api/countries/：返回各国获奖总数及地理坐标；
/api/films/：支持?search=Schindler全文检索。

关键技巧：API性能优化不用Redis缓存，而用Django的cache_page装饰器。对趋势类API（结果变化慢），加@cache_page(60 * 60 * 24)缓存24小时，一行代码解决90%性能问题。

异步任务用Django-Q（轻量级，无需Redis）：

from django_q.tasks import async_task # 触发Hadoop Job task_id = async_task( 'myapp.tasks.run_hadoop_job', job_id='oscar_20240515_001', input_path='/jobs/input/oscar_20240515_001.json', output_path='/jobs/output/oscar_20240515_001' ) # 前端轮询task_id状态

run_hadoop_job函数内部执行subprocess.run(...)，比Celery简单太多，且Django-Q的Admin界面可直观查看任务状态。

3.4 可视化层：ECharts配置、数据对接与响应式适配

ECharts不追求“全功能”，聚焦三个核心图表：

时间趋势折线图：X轴年份，Y轴获奖数，多系列（Best Director, Best Actor, Best Picture）；
地理分布地图：用echarts-gl增强3D效果，气泡大小代表获奖数；
关系网络图：展示导演-影片-演员的三元组关系，力导向布局。

数据对接关键在API返回结构与ECharts Option的映射。以趋势图为例，Django API返回：

{ "series": [ {"name": "Best Director", "data": [[2010,1],[2011,1],...]}, {"name": "Best Actor", "data": [[2010,1],[2011,2],...]} ], "xAxis": {"type": "category", "data": [2010,2011,...]} }

前端ECharts初始化：

const chart = echarts.init(document.getElementById('trend-chart')); chart.setOption({ xAxis: response.xAxis, series: response.series.map(s => ({ name: s.name, type: 'line', data: s.data, smooth: true // 启用平滑曲线，视觉更专业 })) });

smooth: true是细节加分项，让折线图不显生硬。

响应式适配用CSS媒体查询+resize事件：

@media (max-width: 768px) { #trend-chart { height: 300px; } #map-chart { height: 400px; } }

window.addEventListener('resize', () => { chart.resize(); // 图表随窗口自适应 });

实测在iPad上，图表缩放后文字仍清晰可读，评委一眼看出“考虑了移动端”。

3.5 环境部署：Docker Compose一键封装Hadoop+Django+MySQL

为避免学生被环境配置折磨，我提供Docker Compose方案：

version: '3.8' services: namenode: image: bde2020/hadoop-namenode:2.0.0-hadoop3.2.1-java8 container_name: namenode ports: - "9000:9000" - "9870:9870" # HDFS Web UI volumes: - ./hadoop/namenode:/hadoop/dfs/name datanode: image: bde2020/hadoop-datanode:2.0.0-hadoop3.2.1-java8 container_name: datanode depends_on: - namenode volumes: - ./hadoop/datanode:/hadoop/dfs/data django: build: ./django-app ports: - "8000:8000" environment: - HADOOP_NN_HOST=namenode - HADOOP_NN_PORT=9000 depends_on: - namenode - datanode - mysql mysql: image: mysql:8.0 environment: MYSQL_ROOT_PASSWORD: rootpass MYSQL_DATABASE: oscar_db volumes: - ./mysql/data:/var/lib/mysql

./django-app/Dockerfile里，pip install包含hadoop-client（Python版Hadoop API），让Django容器内可直接from hdfs import InsecureClient操作HDFS。

启动只需docker-compose up -d，5分钟内全部服务就绪。学生反馈：“以前配Hadoop环境花三天，现在docker-compose up后喝杯咖啡就搞定。”

4. 毕设答辩高频问题与实战应答策略

4.1 技术选型类问题：为什么不用Spark/Flask/Vue？

“为什么用Hadoop MapReduce，不用Spark？”
答：Spark确实更快，但本项目数据量仅20MB CSV，MapReduce执行时间<3秒，性能差异可忽略。而Spark需额外部署Standalone集群或YARN集成，增加环境复杂度。MapReduce作为Hadoop原生计算框架，与HDFS、YARN深度耦合，学习成本更低，更能体现“大数据基础栈”掌握程度。若未来扩展到TB级票房数据，我们会自然迁移到Spark。
“为什么用Django，不用Flask？”
答：Flask轻量，但毕设需体现“企业级应用开发能力”。Django自带Admin后台（可快速录入测试数据）、ORM（简化数据库操作）、Auth系统（预留用户权限扩展）、中间件（CSRF防护）。Flask需自行集成这些，工作量翻倍且易出安全漏洞。本项目中，Django的manage.py命令（如python manage.py migrate）和settings.py配置，本身就是软件工程规范性的体现。
“前端为什么用原生JS+jQuery，不用Vue/React？”
答：Vue/React是优秀框架，但本项目可视化逻辑相对固定（趋势图、地图、网络图），原生JS+jQuery+ECHarts已足够高效。引入Vue会增加vue-cli构建、webpack配置、组件状态管理等复杂度，偏离毕设“聚焦核心业务逻辑”的目标。评委更关注“数据如何从Hadoop到图表”，而非“前端框架选型”。

4.2 架构设计类问题：Hadoop与Django如何协同？数据流向是什么？

画一张简笔流程图（白板上手绘即可）：

[用户浏览器] ↓ HTTP GET /api/trends/?year=2020 [Django View] → 生成Job ID → 写参数到HDFS → 调用hadoop jar ↓ [Hadoop YARN] → 分配Container → 执行Mapper/Reducer → 结果写HDFS ↓ [Django 后台线程] → 轮询_SUCCESS文件 → 读取结果 → JSON返回 ↓ [浏览器] → ECharts setOption() 渲染图表

强调三点：

解耦：Django不嵌入Hadoop代码，只通过Shell命令调用，职责清晰；
幂等：Job ID确保同参数请求不重复提交，HDFS路径唯一；
可观测：所有步骤均有日志（Django log、Hadoop stdout、ECharts console），便于排查。

4.3 实操细节类问题：遇到过哪些坑？怎么解决的？

“Hadoop伪分布式启动失败，jps看不到DataNode？”
答：90%是hdfs namenode -format后没重启。格式化会清空dfs.namenode.name.dir目录，但DataNode的dfs.datanode.data.dir目录仍有旧块信息，导致DataNode拒绝启动。解决方案：hadoop fs -rm -r /清空HDFS，再stop-dfs.sh，最后start-dfs.sh。
“Django调用hadoop jar报错‘NoClassDefFoundError’？”
答：Hadoop的lib目录下JAR包未加入Python进程CLASSPATH。解决方案：在Django settings里加os.environ['HADOOP_CLASSPATH'] = '/usr/local/hadoop/share/hadoop/common/*:/usr/local/hadoop/share/hadoop/common/lib/*'，或改用subprocess.run时指定env参数。
“ECharts地图中国区域显示空白？”
答：官方GeoJSON不包含中国，需单独下载china.json（百度地图开放平台提供），用echarts.registerMap('china', chinaJson)注册，再在series[0].geoIndex引用。这是国内可视化必踩的坑，提前备好JSON文件即可。

4.4 扩展思考类问题：如果数据量增大100倍，系统如何演进？

存储层：HDFS副本数从1升到3，DataNode节点从1扩到3；引入Parquet列式存储替代CSV，压缩率提升70%，查询提速3倍；
计算层：MapReduce迁移到Spark SQL，用spark.read.parquet().groupBy().count()替代Java MR，代码量减少60%；
服务层：Django升级为Django Channels，支持WebSocket实时推送计算进度；API网关引入Nginx做负载均衡；
可视化层：ECharts切换为Apache Superset，提供自助式BI分析界面，支持用户拖拽生成新图表。

强调：演进路径必须基于当前架构瓶颈。当前伪分布式Hadoop的瓶颈是单机CPU，所以先加节点；Django瓶颈是同步阻塞，所以加Channels；不是为了用新技术而用，而是问题驱动。

5. 选题落地避坑指南：导师最看重的五个细节

5.1 数据真实性：别用合成数据，哪怕少也要真

我见过太多毕设用“随机生成10万条奥斯卡数据”充数。导师一眼识破：真实奥斯卡数据有明显规律——最佳导演集中在40-60岁，最佳影片多为英语片，战争/传记题材获奖率高。用numpy.random生成的年龄分布是正态，但真实数据是右偏（老年导演获奖少）。建议：

用Kaggle真实数据（1929-2023共1.2万条获奖记录）；
若需扩展，用IMDb API查补影片详情（如预算、票房、评分），生成衍生字段；
在论文“数据来源”章节，附上Kaggle数据集URL和截图，证明数据真实可追溯。

5.2 代码可复现：README必须包含三步启动法

好的README不是罗列技术栈，而是让别人3分钟跑起来：

## 快速启动 1. 克隆仓库：`git clone https://github.com/xxx/oscar-analyzer.git` 2. 启动Hadoop伪分布式：`cd hadoop && ./start-hadoop.sh`（自动格式化+启动） 3. 启动Django：`cd django && python manage.py runserver` 访问 http://localhost:8000/admin （账号 admin/admin） 访问 http://localhost:8000/api/trends/ 查看API

start-hadoop.sh脚本里，封装了hdfs namenode -format、start-dfs.sh、start-yarn.sh，并检查端口占用。学生交毕设时，导师现场git clone && bash start-hadoop.sh，5分钟验证成功，印象分拉满。

5.3 文档完整性：论文里必须有“系统架构图”和“ER图”

架构图不是Visio画的漂亮框图，而是体现技术决策的示意图：

左侧标“数据源：Kaggle CSV”，箭头指向“Hadoop HDFS”；
中间标“计算引擎：MapReduce Job”，箭头指向“结果存储：HDFS /output/”；
右侧标“Web服务：Django”，双向箭头连接“前端：ECharts”，下方标“用户交互”。

ER图重点展示Film、Person、Award、Win四张表的主外键关系，Win表的复合主键（film_id, person_id, award_id, year）要加粗标注。这比写一百行“本系统采用B/S架构”更有说服力。

5.4 演示视频：录屏必须包含“从请求到图表”的完整链路

不要只录最终效果图。标准演示视频（3分钟）应包含：

0:00-0:30：浏览器打开http://localhost:8000，点击“近十年最佳导演趋势”；
0:30-1:20：Django Admin后台，展示Win表数据，证明数据真实存在；
1:20-2:10：终端窗口，hadoop fs -ls /output/trends_20240515，cat part-r-00000，显示原始计算结果；
2:10-3:00：浏览器Network面板，Filtertrends，展示API返回JSON，ECharts console.log验证数据加载。

这段视频，是答辩时最有力的证据——证明你真的跑通了，不是PPT工程师。

5.5 答辩话术：用“我做了什么”代替“系统实现了什么”

避免说“本系统实现了数据可视化”，要说：

“我用Kaggle真实数据清洗出1.2万条获奖记录，解决了原始CSV中影片名大小写不统一的问题”；
“我配置Hadoop伪分布式，通过修改yarn-site.xml端口，避开了Docker Desktop的8088端口冲突”；
“我在Django View里用subprocess.run调用hadoop jar，并用HDFS_SUCCESS文件做Job状态判断，确保前端不卡死”；
“我为ECharts地图单独下载china.json，用registerMap注册，解决了中国区域显示空白的问题”。

每一句“我做了什么”，都对应一个可验证的技术动作。导师听的是你的动手能力，不是系统功能列表。

最后再分享一个小技巧：答辩前，把Hadoop的logs/目录、Django的logs/目录、浏览器Console截图，打包成debug-info.zip放在U盘里。当评委问“DataNode启动失败的日志在哪？”，你立刻掏出U盘，打开namenode.log指出java.net.BindException: Address already in use，然后说“我通过lsof -i :9000找到占用进程并kill掉”，这种细节，比背诵一百遍“Hadoop架构”都管用。