随着互联网行业的飞速发展,互联网的用户正在逐渐增多,这必定会带来数据信息的急速增长,导致用户很难从海量信息中寻找出自己中意的信息。虽然普通的个性化推荐系统可以根据用户历史行为进行推荐,但是仍然存在数据稀疏性,冷启动等问题。另外,随着电商行业百家争鸣形式的形成,如何在多种电商网站之中对其共同商品进行比价购买也是一个需要迫切解决的需求。同时,随着容器技术的飞速发展,开发部署便利快捷的特性使得容器技术的前景十分光明。本文完成了以下工作:1)研究并分析了个性化推荐算法,并针对这个算法的一些问题进行改进,在算法执行前先进行用户聚类,使算法的推荐准确度和运行效率有所提升。2)分析了多电商综合推荐系统的多方面需求,设计并实现了系统的三层架构(交互层,业务逻辑层和数据库层)。3)应用了 Docker容器技术和Nginx的负载均衡将系统部署在Docker集群上,从而使系统在一定程度上可以保证向后兼容以及安全可靠。本文将用户聚类算法和协同推荐算法相融合,提高了推荐系统的推荐准确度和运行效率,使用了基于Python的Flask框架和Docker容器技术,满足了系统快速开发部署、向后兼容性以及可靠性。经过测试,本系统可以满足对电子商务网站实现和推荐系统效率两方面的需求。