拓冰网站定制 
简介这份资源是面向计算机相关专业学生与大数据初学者的Hadoop电影推荐系统完整项目可作为小组大作业、课程设计或毕业设计的参考方案。项目基于Hadoop与Mahout实现协同过滤推荐涵盖数据预处理、相似度计算与推荐结果输出等核心环节适合用于理解分布式推荐系统的基本流程与工程结构。压缩包共9个文件约100KB包含xml与properties配置文件、classpath与project工程描述文件、jar可执行包及gitignore等分别用于框架配置、依赖管理与程序打包运行结构紧凑便于快速导入IDE。目前已有479人学习下载说明该方案在同类作业中具有一定参考价值。读者可据此掌握Hadoop项目搭建、Mahout算法调用与配置调优思路并在此基础上修改功能以适配不同数据集或推荐策略适合作为入门大数据实战的练手素材。1. 从一份能跑通的 Hadoop 电影推荐作业说起如果你正在为大数据课程设计发愁或者想找一个能直接跑起来、答辩能讲清楚原理的 Hadoop 项目这份基于 Hadoop 的电影推荐系统源码包值得先看一眼。它不是那种只丢几个 Java 文件、连依赖都配不齐的半成品而是一个带 Struts2、Spring、C3P0、Log4j 配置的完整 Web 工程核心推荐逻辑用 Mahout 实现打包产物里有AllJob.jar说明 MapReduce 任务已经能独立提交运行。换句话说它覆盖了从数据清洗、协同过滤计算到 Web 展示的整条链路适合计算机相关专业做毕设、课设或者小组大作业的同学直接上手。我拆过不少类似资源很多项目卡在环境跑不起来这一步而这个包把.classpath、struts.xml、db.properties、c3p0-config.xml、applicationContext.xml都配好了省掉大量填坑时间。接下来我会按先跑通、再理解、后调优的顺序把这份资源怎么用、参数怎么改、哪里容易翻车讲透。2. 环境搭建与工程导入把 Hadoop 伪分布式和 IDEA 串起来2.1 为什么选伪分布式而不是单机模式这份源码的推荐计算依赖 Mahout 的协同过滤算法而 Mahout 的很多作业默认走 MapReduce 引擎。单机模式下虽然也能跑但AllJob.jar提交任务时会找不到 YARN 资源调度器日志里会报Connection refused或者No Route to Host。常见做法是搭一个 Hadoop 伪分布式环境让 NameNode、DataNode、ResourceManager、NodeManager 都跑在本机这样既能模拟真实集群的作业提交路径又不会因为虚拟机内存不够导致频繁 OOM。我一般会建议把 Hadoop 版本控制在 2.7.x 到 3.2.x 之间因为源码里的hadoop-mahout依赖对 3.3 之后的 API 兼容性一般容易出现NoSuchMethodError。搭建步骤不复杂但有几个参数必须改对。先确认 JDK 版本Hadoop 2.x 用 JDK 8Hadoop 3.x 可以用 JDK 8 或 11但源码编译级别是 1.8所以别用 JDK 17。然后配置core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml四个文件核心是fs.defaultFS指向hdfs://localhost:9000yarn.nodemanager.aux-services设为mapreduce_shuffle。改完执行hdfs namenode -format再start-all.sh用jps看到五个进程就算成功。2.2 导入 IDEA 与依赖修复源码包解压后是一个 Eclipse 风格的工程有.classpath和.project直接拖进 IDEA 会识别成 Eclipse 项目。我一般会选Import Project from External Model然后选 Eclipse这样目录结构不会乱。导入后第一件事是检查pom.xml是否存在——如果原包没有 Maven 描述就需要手动把lib下的 jar 加到模块依赖里。常见依赖包括hadoop-common、hadoop-hdfs、hadoop-mapreduce-client-core、mahout-core、struts2-core、spring-context、c3p0、mysql-connector-java。版本号尽量和你的 Hadoop 安装版本对齐比如 Hadoop 2.7.7 就配mahout-core 0.9。!-- 在 pom.xml 中补齐核心依赖版本按本机 Hadoop 调整 -- dependencies dependency groupIdorg.apache.hadoop/groupId artifactIdhadoop-common/artifactId version2.7.7/version /dependency dependency groupIdorg.apache.hadoop/groupId artifactIdhadoop-mapreduce-client-core/artifactId version2.7.7/version /dependency dependency groupIdorg.apache.mahout/groupId artifactIdmahout-core/artifactId version0.9/version /dependency dependency groupIdmysql/groupId artifactIdmysql-connector-java/artifactId version5.1.47/version /dependency /dependencies这段配置的作用是把 Hadoop 客户端、MapReduce 核心和 Mahout 算法库拉进工程。参数上要注意mahout-core从 0.10 开始拆成了mahout-mr和mahout-math如果源码里用的是org.apache.mahout.cf.taste包那 0.9 最稳。MySQL 驱动用 5.1.x 是因为c3p0-config.xml里通常写的是旧版连接串换 8.x 驱动会报Unknown system variable query_cache_size。2.3 数据库与配置文件对齐db.properties和c3p0-config.xml控制数据库连接applicationContext.xml管 Spring 容器struts.xml管 Web 路由。导入后先改数据库地址、用户名、密码然后在 MySQL 里建库建表。电影数据一般存在movie、rating、user三张表里推荐结果表可能是recommend_result。如果源码里带了.sql文件直接source导入如果没有就按实体类字段反推建表。注意c3p0的maxPoolSize别设太大本地跑 20 就够设 100 反而会因为连接数过多导致 MySQL 拒绝服务。3. 推荐算法链路拆解Mahout 协同过滤怎么落到 MapReduce3.1 从评分数据到用户相似度矩阵这份项目的推荐核心是协同过滤具体来说是 User-Based 或 Item-Based 的 Mahout 实现。原始评分数据通常是userId,movieId,rating,timestamp四列先要转成 Mahout 能吃的SequenceFile或者 CSV。常见做法是用Mahout的RecommenderJob直接跑输入是评分文件输出是每个用户的推荐列表。底层会经历几步先算物品共现矩阵再算用户相似度最后用相似用户的评分加权预测目标用户对未看电影的评分。# 把评分数据上传到 HDFS hdfs dfs -mkdir -p /movie/input hdfs dfs -put ratings.csv /movie/input/ # 提交 Mahout 协同过滤作业 hadoop jar AllJob.jar \ --input /movie/input/ratings.csv \ --output /movie/output \ --similarityClassname SIMILARITY_PEARSON_CORRELATION \ --numRecommendations 10这段命令里--input是评分数据路径--output是推荐结果输出目录--similarityClassname指定相似度算法SIMILARITY_PEARSON_CORRELATION适合评分尺度不一致的场景如果数据稀疏可以用SIMILARITY_COSINE。--numRecommendations控制每个用户输出几条推荐。跑完后用hdfs dfs -cat /movie/output/part-r-00000 | head看结果格式一般是userId [movieId:score, movieId:score]。3.2 参数调优与数据稀疏处理协同过滤最怕数据稀疏。如果用户数和电影数都很大但评分记录只有几千条相似度矩阵会非常稀疏推荐结果要么为空要么全是热门电影。我一般会先做一步过滤去掉评分次数少于 5 次的用户和电影再跑推荐。Mahout 的RecommenderJob支持--maxPrefsPerUser和--minPrefsPerUser参数前者限制每个用户参与计算的最大评分数后者设置最小评分数阈值。hadoop jar AllJob.jar \ --input /movie/input/ratings.csv \ --output /movie/output_filtered \ --similarityClassname SIMILARITY_COSINE \ --maxPrefsPerUser 50 \ --minPrefsPerUser 5 \ --numRecommendations 10 \ --maxSimilaritiesPerItem 100--maxPrefsPerUser 50表示每个用户最多取 50 条评分参与计算防止重度用户主导相似度--minPrefsPerUser 5过滤掉评分太少的用户--maxSimilaritiesPerItem 100限制每个物品保留最相似的 100 个邻居降低计算量。这几个参数没有绝对最优值需要根据数据规模试。我的经验是数据量在 10 万条评分以下时maxPrefsPerUser设 30 到 50 比较稳超过百万级要配合--maxSimilaritiesPerItem一起压否则 Reduce 阶段会卡在 shuffle。3.3 Web 层如何读取推荐结果推荐结果跑完后Web 层需要把 HDFS 上的输出读回 MySQL 或者直接读文件。源码里通常有一个RecommendService或者RecommendAction通过 Spring 注入 DAO再从数据库查推荐表。如果推荐结果是存在 HDFS 上的常见做法是加一个定时任务用FSDataInputStream读part-r-00000解析后批量插入 MySQL。注意struts.xml里配置的 action 路径要和前端 JSP 的表单提交地址一致否则会出现 404。applicationContext.xml里要扫描到 service 和 dao 包不然启动时Autowired会注入失败。4. 避坑与排查那些让作业跑不起来的细节4.1 现象AllJob.jar提交后卡在map 0% reduce 0%原因通常是 YARN 的nodemanager没起来或者mapred-site.xml里mapreduce.framework.name没设成yarn。先jps确认NodeManager在不在不在就查yarn-site.xml的yarn.nodemanager.aux-services是否配了mapreduce_shuffle。解决方法是补上配置后重启 YARN再用yarn logs -applicationId appId看具体报错。4.2 现象Mahout 报java.lang.OutOfMemoryError: Java heap space原因是相似度矩阵太大JVM 堆不够。改mapred-site.xml里的mapreduce.map.java.opts和mapreduce.reduce.java.opts把-Xmx调到 2048m 或 4096m。同时检查--maxPrefsPerUser是不是设得太大适当调小能显著降低内存占用。4.3 现象Web 页面能打开但推荐列表为空先看数据库里recommend_result表有没有数据。如果没有说明推荐作业没跑完或者输出没入库。检查 HDFS 输出目录是否存在_SUCCESS文件没有就说明作业失败。如果有数据但页面不显示检查struts.xml的 result 跳转和 JSP 里的 EL 表达式字段名是否和实体类 getter 对得上。4.4 现象IDEA 里运行报ClassNotFoundException: org.apache.hadoop.conf.Configuration原因是依赖没打进 classpath。Eclipse 工程导入 IDEA 后.classpath里的 jar 路径可能失效。手动在 Project Structure 的 Libraries 里重新添加 Hadoop 和 Mahout 的 jar或者补一份 Mavenpom.xml让 IDEA 自动下载。注意scope别设成provided本地运行需要compile。4.5 现象MySQL 连接报Too many connectionsc3p0-config.xml里maxPoolSize设太大或者代码里每次请求都新建连接没关。把maxPoolSize降到 20minPoolSize设 5checkoutTimeout设 3000。同时检查 DAO 层有没有在 finally 里关闭Connection用 Spring 的JdbcTemplate一般不会有这个问题但手写 JDBC 容易漏。5. 进阶技巧把推荐结果做成可解释的 Top-N 榜单跑通基础流程后答辩时最容易被问的是为什么推荐这几部电影。Mahout 默认输出的只有 movieId 和评分没有电影名和推荐理由。我一般会加一步后处理用movieId关联电影元数据表把标题、类型、海报路径补上再按评分倒序取 Top-N。如果想让推荐更有说服力可以算一个简单的相似用户也喜欢标签比如从相似度矩阵里取 Top-3 相似用户看他们共同高分电影里有没有当前推荐项。-- 把 Mahout 输出和电影元数据关联生成可展示的推荐榜单 SELECT r.user_id, m.movie_name, m.genre, r.score, GROUP_CONCAT(DISTINCT t.tag) AS tags FROM recommend_result r JOIN movie m ON r.movie_id m.movie_id LEFT JOIN movie_tags t ON m.movie_id t.movie_id WHERE r.user_id ? GROUP BY r.user_id, m.movie_name, m.genre, r.score ORDER BY r.score DESC LIMIT 10;这条 SQL 把推荐结果、电影名、类型和标签拼在一起前端直接渲染成卡片列表。GROUP_CONCAT用来合并同一部电影的多个标签ORDER BY r.score DESC保证高分在前。参数?是当前登录用户的 ID由 Struts2 的 Action 从 session 里取。如果数据量大记得在recommend_result的user_id和movie_id上建联合索引否则查询会随推荐表增长越来越慢。还有一个容易被忽略的点Mahout 的评分预测范围可能超出 1 到 5因为协同过滤是加权平均理论上不会越界但如果相似度计算出现负数权重结果可能异常。我一般会在入库前加一层 clamp把评分压到 1 到 5 之间再按 0.5 分档取整。这样前端展示的星级不会出现 6 星或者负分。从那以后我每次跑完推荐作业都会先抽样 20 条结果人工看一眼确认没有明显离谱的推荐再批量入库。希望帮到你。本文还有配套的精品资源点击获取 Hadoop电影推荐系统实战：Mahout协同过滤与MapReduce源码解析
简介这份资源是面向计算机相关专业学生与大数据初学者的Hadoop电影推荐系统完整项目可作为小组大作业、课程设计或毕业设计的参考方案。项目基于Hadoop与Mahout实现协同过滤推荐涵盖数据预处理、相似度计算与推荐结果输出等核心环节适合用于理解分布式推荐系统的基本流程与工程结构。压缩包共9个文件约100KB包含xml与properties配置文件、classpath与project工程描述文件、jar可执行包及gitignore等分别用于框架配置、依赖管理与程序打包运行结构紧凑便于快速导入IDE。目前已有479人学习下载说明该方案在同类作业中具有一定参考价值。读者可据此掌握Hadoop项目搭建、Mahout算法调用与配置调优思路并在此基础上修改功能以适配不同数据集或推荐策略适合作为入门大数据实战的练手素材。1. 从一份能跑通的 Hadoop 电影推荐作业说起如果你正在为大数据课程设计发愁或者想找一个能直接跑起来、答辩能讲清楚原理的 Hadoop 项目这份基于 Hadoop 的电影推荐系统源码包值得先看一眼。它不是那种只丢几个 Java 文件、连依赖都配不齐的半成品而是一个带 Struts2、Spring、C3P0、Log4j 配置的完整 Web 工程核心推荐逻辑用 Mahout 实现打包产物里有AllJob.jar说明 MapReduce 任务已经能独立提交运行。换句话说它覆盖了从数据清洗、协同过滤计算到 Web 展示的整条链路适合计算机相关专业做毕设、课设或者小组大作业的同学直接上手。我拆过不少类似资源很多项目卡在环境跑不起来这一步而这个包把.classpath、struts.xml、db.properties、c3p0-config.xml、applicationContext.xml都配好了省掉大量填坑时间。接下来我会按先跑通、再理解、后调优的顺序把这份资源怎么用、参数怎么改、哪里容易翻车讲透。2. 环境搭建与工程导入把 Hadoop 伪分布式和 IDEA 串起来2.1 为什么选伪分布式而不是单机模式这份源码的推荐计算依赖 Mahout 的协同过滤算法而 Mahout 的很多作业默认走 MapReduce 引擎。单机模式下虽然也能跑但AllJob.jar提交任务时会找不到 YARN 资源调度器日志里会报Connection refused或者No Route to Host。常见做法是搭一个 Hadoop 伪分布式环境让 NameNode、DataNode、ResourceManager、NodeManager 都跑在本机这样既能模拟真实集群的作业提交路径又不会因为虚拟机内存不够导致频繁 OOM。我一般会建议把 Hadoop 版本控制在 2.7.x 到 3.2.x 之间因为源码里的hadoop-mahout依赖对 3.3 之后的 API 兼容性一般容易出现NoSuchMethodError。搭建步骤不复杂但有几个参数必须改对。先确认 JDK 版本Hadoop 2.x 用 JDK 8Hadoop 3.x 可以用 JDK 8 或 11但源码编译级别是 1.8所以别用 JDK 17。然后配置core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml四个文件核心是fs.defaultFS指向hdfs://localhost:9000yarn.nodemanager.aux-services设为mapreduce_shuffle。改完执行hdfs namenode -format再start-all.sh用jps看到五个进程就算成功。2.2 导入 IDEA 与依赖修复源码包解压后是一个 Eclipse 风格的工程有.classpath和.project直接拖进 IDEA 会识别成 Eclipse 项目。我一般会选Import Project from External Model然后选 Eclipse这样目录结构不会乱。导入后第一件事是检查pom.xml是否存在——如果原包没有 Maven 描述就需要手动把lib下的 jar 加到模块依赖里。常见依赖包括hadoop-common、hadoop-hdfs、hadoop-mapreduce-client-core、mahout-core、struts2-core、spring-context、c3p0、mysql-connector-java。版本号尽量和你的 Hadoop 安装版本对齐比如 Hadoop 2.7.7 就配mahout-core 0.9。!-- 在 pom.xml 中补齐核心依赖版本按本机 Hadoop 调整 -- dependencies dependency groupIdorg.apache.hadoop/groupId artifactIdhadoop-common/artifactId version2.7.7/version /dependency dependency groupIdorg.apache.hadoop/groupId artifactIdhadoop-mapreduce-client-core/artifactId version2.7.7/version /dependency dependency groupIdorg.apache.mahout/groupId artifactIdmahout-core/artifactId version0.9/version /dependency dependency groupIdmysql/groupId artifactIdmysql-connector-java/artifactId version5.1.47/version /dependency /dependencies这段配置的作用是把 Hadoop 客户端、MapReduce 核心和 Mahout 算法库拉进工程。参数上要注意mahout-core从 0.10 开始拆成了mahout-mr和mahout-math如果源码里用的是org.apache.mahout.cf.taste包那 0.9 最稳。MySQL 驱动用 5.1.x 是因为c3p0-config.xml里通常写的是旧版连接串换 8.x 驱动会报Unknown system variable query_cache_size。2.3 数据库与配置文件对齐db.properties和c3p0-config.xml控制数据库连接applicationContext.xml管 Spring 容器struts.xml管 Web 路由。导入后先改数据库地址、用户名、密码然后在 MySQL 里建库建表。电影数据一般存在movie、rating、user三张表里推荐结果表可能是recommend_result。如果源码里带了.sql文件直接source导入如果没有就按实体类字段反推建表。注意c3p0的maxPoolSize别设太大本地跑 20 就够设 100 反而会因为连接数过多导致 MySQL 拒绝服务。3. 推荐算法链路拆解Mahout 协同过滤怎么落到 MapReduce3.1 从评分数据到用户相似度矩阵这份项目的推荐核心是协同过滤具体来说是 User-Based 或 Item-Based 的 Mahout 实现。原始评分数据通常是userId,movieId,rating,timestamp四列先要转成 Mahout 能吃的SequenceFile或者 CSV。常见做法是用Mahout的RecommenderJob直接跑输入是评分文件输出是每个用户的推荐列表。底层会经历几步先算物品共现矩阵再算用户相似度最后用相似用户的评分加权预测目标用户对未看电影的评分。# 把评分数据上传到 HDFS hdfs dfs -mkdir -p /movie/input hdfs dfs -put ratings.csv /movie/input/ # 提交 Mahout 协同过滤作业 hadoop jar AllJob.jar \ --input /movie/input/ratings.csv \ --output /movie/output \ --similarityClassname SIMILARITY_PEARSON_CORRELATION \ --numRecommendations 10这段命令里--input是评分数据路径--output是推荐结果输出目录--similarityClassname指定相似度算法SIMILARITY_PEARSON_CORRELATION适合评分尺度不一致的场景如果数据稀疏可以用SIMILARITY_COSINE。--numRecommendations控制每个用户输出几条推荐。跑完后用hdfs dfs -cat /movie/output/part-r-00000 | head看结果格式一般是userId [movieId:score, movieId:score]。3.2 参数调优与数据稀疏处理协同过滤最怕数据稀疏。如果用户数和电影数都很大但评分记录只有几千条相似度矩阵会非常稀疏推荐结果要么为空要么全是热门电影。我一般会先做一步过滤去掉评分次数少于 5 次的用户和电影再跑推荐。Mahout 的RecommenderJob支持--maxPrefsPerUser和--minPrefsPerUser参数前者限制每个用户参与计算的最大评分数后者设置最小评分数阈值。hadoop jar AllJob.jar \ --input /movie/input/ratings.csv \ --output /movie/output_filtered \ --similarityClassname SIMILARITY_COSINE \ --maxPrefsPerUser 50 \ --minPrefsPerUser 5 \ --numRecommendations 10 \ --maxSimilaritiesPerItem 100--maxPrefsPerUser 50表示每个用户最多取 50 条评分参与计算防止重度用户主导相似度--minPrefsPerUser 5过滤掉评分太少的用户--maxSimilaritiesPerItem 100限制每个物品保留最相似的 100 个邻居降低计算量。这几个参数没有绝对最优值需要根据数据规模试。我的经验是数据量在 10 万条评分以下时maxPrefsPerUser设 30 到 50 比较稳超过百万级要配合--maxSimilaritiesPerItem一起压否则 Reduce 阶段会卡在 shuffle。3.3 Web 层如何读取推荐结果推荐结果跑完后Web 层需要把 HDFS 上的输出读回 MySQL 或者直接读文件。源码里通常有一个RecommendService或者RecommendAction通过 Spring 注入 DAO再从数据库查推荐表。如果推荐结果是存在 HDFS 上的常见做法是加一个定时任务用FSDataInputStream读part-r-00000解析后批量插入 MySQL。注意struts.xml里配置的 action 路径要和前端 JSP 的表单提交地址一致否则会出现 404。applicationContext.xml里要扫描到 service 和 dao 包不然启动时Autowired会注入失败。4. 避坑与排查那些让作业跑不起来的细节4.1 现象AllJob.jar提交后卡在map 0% reduce 0%原因通常是 YARN 的nodemanager没起来或者mapred-site.xml里mapreduce.framework.name没设成yarn。先jps确认NodeManager在不在不在就查yarn-site.xml的yarn.nodemanager.aux-services是否配了mapreduce_shuffle。解决方法是补上配置后重启 YARN再用yarn logs -applicationId appId看具体报错。4.2 现象Mahout 报java.lang.OutOfMemoryError: Java heap space原因是相似度矩阵太大JVM 堆不够。改mapred-site.xml里的mapreduce.map.java.opts和mapreduce.reduce.java.opts把-Xmx调到 2048m 或 4096m。同时检查--maxPrefsPerUser是不是设得太大适当调小能显著降低内存占用。4.3 现象Web 页面能打开但推荐列表为空先看数据库里recommend_result表有没有数据。如果没有说明推荐作业没跑完或者输出没入库。检查 HDFS 输出目录是否存在_SUCCESS文件没有就说明作业失败。如果有数据但页面不显示检查struts.xml的 result 跳转和 JSP 里的 EL 表达式字段名是否和实体类 getter 对得上。4.4 现象IDEA 里运行报ClassNotFoundException: org.apache.hadoop.conf.Configuration原因是依赖没打进 classpath。Eclipse 工程导入 IDEA 后.classpath里的 jar 路径可能失效。手动在 Project Structure 的 Libraries 里重新添加 Hadoop 和 Mahout 的 jar或者补一份 Mavenpom.xml让 IDEA 自动下载。注意scope别设成provided本地运行需要compile。4.5 现象MySQL 连接报Too many connectionsc3p0-config.xml里maxPoolSize设太大或者代码里每次请求都新建连接没关。把maxPoolSize降到 20minPoolSize设 5checkoutTimeout设 3000。同时检查 DAO 层有没有在 finally 里关闭Connection用 Spring 的JdbcTemplate一般不会有这个问题但手写 JDBC 容易漏。5. 进阶技巧把推荐结果做成可解释的 Top-N 榜单跑通基础流程后答辩时最容易被问的是为什么推荐这几部电影。Mahout 默认输出的只有 movieId 和评分没有电影名和推荐理由。我一般会加一步后处理用movieId关联电影元数据表把标题、类型、海报路径补上再按评分倒序取 Top-N。如果想让推荐更有说服力可以算一个简单的相似用户也喜欢标签比如从相似度矩阵里取 Top-3 相似用户看他们共同高分电影里有没有当前推荐项。-- 把 Mahout 输出和电影元数据关联生成可展示的推荐榜单 SELECT r.user_id, m.movie_name, m.genre, r.score, GROUP_CONCAT(DISTINCT t.tag) AS tags FROM recommend_result r JOIN movie m ON r.movie_id m.movie_id LEFT JOIN movie_tags t ON m.movie_id t.movie_id WHERE r.user_id ? GROUP BY r.user_id, m.movie_name, m.genre, r.score ORDER BY r.score DESC LIMIT 10;这条 SQL 把推荐结果、电影名、类型和标签拼在一起前端直接渲染成卡片列表。GROUP_CONCAT用来合并同一部电影的多个标签ORDER BY r.score DESC保证高分在前。参数?是当前登录用户的 ID由 Struts2 的 Action 从 session 里取。如果数据量大记得在recommend_result的user_id和movie_id上建联合索引否则查询会随推荐表增长越来越慢。还有一个容易被忽略的点Mahout 的评分预测范围可能超出 1 到 5因为协同过滤是加权平均理论上不会越界但如果相似度计算出现负数权重结果可能异常。我一般会在入库前加一层 clamp把评分压到 1 到 5 之间再按 0.5 分档取整。这样前端展示的星级不会出现 6 星或者负分。从那以后我每次跑完推荐作业都会先抽样 20 条结果人工看一眼确认没有明显离谱的推荐再批量入库。希望帮到你。本文还有配套的精品资源点击获取