随着大数据时代的到来,电子商务市场的飞速发展,用户很难从爆炸性堆积的商品信息中获取到真正符合自己需求的部分,导致了“信息过载”现象的出现。目前公司的交易网站就面临着这样的问题。首先,由于公司商品信息的激增,海量的商品信息使得用户无所适从,仅仅依赖于搜索引擎并不能满足用户需求。其次,交易网站还必须要在很短的时间内对数以万计的在线用户进行精确的商品信息反馈。本文围绕上述这些问题,设计并实现了一个商品推荐系统。此系统是通过处理收集到的用户的特征偏好以及购买行为等信息,继而推荐一些可能会让用户喜欢并愿意购买的商品,无须用户耗费大量的精力在海量信息中寻找适合自己的商品。同时,为了解决网站及时反馈的问题,此系统是基于Hadoop分布式平台开发实现的。为了提高系统的可扩展性,使得视图层与逻辑层分离开来,本系统采用了MVC设计模式,并配合Spring+Struts2+Hibernate框架进行开发。前端部分使用了 jQuery、Bootstrap等框架进行网站页面的设计与开发。数据存储部分则采用的是MySQL数据库与HDFS分布式文件系统相结合的方式。依据公司用户数据集的特性,推荐算法部分采用的是Apache Mahout项目中的推荐算法,此算法借助Hadoop中MapReduce编程模型进行计算。本系统根据公司提供的需求规约可以划分为六个模块,其中推荐服务模块是系统的核心模块,通过获取到的用户特征和行为信息,基于Hadoop平台计算出用户可能感兴趣的商品信息。评估服务模块则是为了适应以后公司用户数据集的变化,方便管理员选择出与数据集相匹配的推荐算法。用户管理模块、商品管理模块、日程管理模块是用来管理用户、商品以及日程的相关信息,实现用户注册、登录、激活账号等基本功能以及商品的浏览展示等功能,并给管理员提供日程管理的辅助功能。存储管理部分则是为系统提供数据的存储功能。