随着物联网、移动互联网等新一代信息技术的快速发展,传统商圈逐渐被新一代的智慧商圈所取代。智慧商圈,作为智慧城市的一部分,依托于线上线下的O2O互动模式,成为了促进消费的新途径。因此,如何根据广大线上消费者的需求定位到线下商品,帮助消费者完成最终消费,成为了智慧商圈建设过程中的一个关键问题。针对以上问题,一个常用的解决方案是推荐系统。随着智慧商圈的数据规模的日渐增大,如何在海量数据中挖掘出用户喜欢的商品就显得相当重要。于是,本文的研究目标是以智慧商圈为应用场景,分析用户的潜在需求,基于主流大数据处理与存储框架,设计了一个高可扩展性的实时系统架构,实现在智慧商圈场景下可以根据用户的需求迅速提供个性化推荐的实时推荐系统。为了实现以上目标,本文的主要工作有如下几个方面:1.为了满足推荐系统的实时性要求,本文研究现有的大数据开源框架,并结合智慧商圈场景,设计并实现了一种离线、在线与实时的三层架构。2.基于现有的增量式推荐模型,结合智慧商圈的场景,提出一种适合于智慧商圈场景下的增量式推荐计算模型。3.基于各类推荐算法的优缺点,结合智慧商圈场景,提出适合智慧商圈场景下的高准确度、高性能的离线、在线推荐算法。4.结合智慧商圈的场景,将智慧商圈的数据源作为本推荐系统的配置项,并且把本推荐系统作为一个web服务提供给智慧商圈系统,实现一种适用于智慧商圈的推荐系统集成方案。5.设计实验,对大数据规模下实时推荐系统的准确度和实时性进行评估和分析。最终的实验和系统验证证明,本文设计与实现的实时推荐系统,为智慧商圈、乃至更多应用场景,提供了一种高准确度的实时解决方案,无疑具有一定的理论价值和应用前景。