在大数据时代背景下,信息过滤是人们必须面对的问题。对于用户不明确或难以表达的需求,推荐系统通过分析用户动态及静态数据,更加主动、智能的过滤信息,从而向用户展示他们潜在需要的东西。这一特性使得推荐系统在电子商务,社交网络等领域有着重要的作用。由于要过滤海量信息,推荐系统面对的数据往往是规模巨大的。为了快速响应用户需求,推荐系统需要有大数据处理能力。目前这一领域的框架有很多,其中Spark是最新一代的计算框架,大数据处理能力很强,将Spark用于大数据的离线和在线计算将大大提高推荐系统的运行效率。本文先介绍立论的相关背景,然后深入探讨大数据处理技术,包括分布式计算框架Spark,分布式文件系统HDFS,列式文件类型Parquet等。同时介绍推荐系统的一些算法及应用。结合大数据处理技术,本文设计并实现了一个推荐系统,详细阐述了其主要功能的实现方法。本论文的主要贡献有：1)设计并实现了一个高效的数据仓库,作为原始数据及推荐引擎离线计算结果的存储仓库。该仓库能够大大提高推荐系统离线及在线计算效率；2)基于Spark编程模型实现了三个推荐算法的并行化,并进一步设计实现了三个推荐引擎。这些引擎能够很好的与底层数据仓库融合,同时其基于Spark的设计大大减少了离线及在线计算时间；3)设计一个混合推荐模型以统一各推荐引擎的结果,并能根据用户的选择自动调整各引擎的权重,从而实现更加个性化的推荐。