近年来,由于计算机技术及互联网技术的高速发展,使得数据量越来越大,产生了信息过载的问题,为解决该问题,业界提出了一种被称为推荐系统的解决方案。推荐是在海量信息中提取可能使用户产生兴趣的信息的一种手段。然而单机版的推荐系统已经不能处理如今这样大规模的数据量了,因此,推荐系统需要借助于云计算处理海量数据的能力才能解决问题。通过对现有视频网站的调查研究,发现其大部分都存在信息过载的问题,用户很难找到令他们喜欢的视频,因此为满足用户的需求,视频网站急需拥有一个有效的推荐系统。基于上述背景,结合已有的研究成果,同时根据实际需求,本文开展了如下工作：(1)根据实际需求设计出一种适用于处理海量数据的系统架构,具体分为三个部分：推荐引擎,日志系统和展示界面。这三个部分协调工作,采用离线数据处理和在线视频推荐相结合的手段,能尽快响应用户需求,为用户推荐其感兴趣的视频。(2)研究Mahout已经实现了的基于物品的分布式协同过滤算法,在对源码进行研究的基础上,明确其实现推荐的原理与步骤。在此基础之上,发现其不足之处,并对其加以改进,使得推荐结果的精度有所提高。并通过对开源数据集的计算,证明了它的可行性。(3)通过仿真实验,验证了本文使用的算法与随机推荐算法、推荐最热门视频算法相比具有更高的精度,并验证了在TopN推荐中,选择合适的列表长度有利于为用户提供更精确的结果。最后,通过一系列的测试工作验证了本系统的正确性与可行性,证明该系统是解决目前视频网站信息过载的一个有效模型。