基于Hbase的一个简单的商品推荐系统

纵观业界的电商网站，我站在一个用户的角度来看，商品推荐有很多种：

 

一种是通过我搜索、查看的那件商品的，系统统计出搜索、查看该商品的其他用户搜索、查看其他商品的次数，把排名靠前的推荐给我，当当的一个栗子：

我查看了《Hadoop权威指南》，系统给我推荐了一堆其他的书：

 

一种是通过我最近的搜索、查看过商品，系统给我推荐一些它认为我感兴趣的商品，淘宝的一个栗子：

还有几种，感觉挺有意思的：

 

特别是这个，搜索Hadoop的用户，最终很多人都买了羽绒服，这是为什么呢？学习hadoop的筒子们都很怕冷么？还是说，北方人居多？

1. 五花八门哈，别的不管了。只讨论下第一种，个人YY设计下：基于Hbase的一个简单的商品推荐系统。
3. 撇开其他的流程不说，单就这个推荐而言，基于Hbase的设计，两张表就OK了。一张表user_item记录每个用户查看了的所有商品，item_user记录查看了某个商品的所有用户。
5. user_item：userid作为行健，列簇和列为item:itemid，数据如下：
7. user1    item:itemid    timestamp=1234567891, value=item1
8. user1    item:itemid    timestamp=1234567892, value=item2
9. user1    item:itemid    timestamp=1234567893, value=item3
10. user2    item:itemid    timestamp=1234567894, value=item4
11. user2    item:itemid    timestamp=1234567895, value=item5
12. user3    item:itemid    timestamp=1234567881, value=item1
13. user3    item:itemid    timestamp=1234567832, value=item2
14. user4    item:itemid    timestamp=1234567843, value=item3
15. user4    item:itemid    timestamp=1234567854, value=item4
16. user4    item:itemid    timestamp=1234567895, value=item5
18. ......
20. item_user：itemid作为行健，列簇和列为：user:userid，数据如下:
22. item1    user:userid    timestamp=1234567891, value=user1
23. item1    user:userid    timestamp=1234567892, value=user2
24. item1    user:userid    timestamp=1234567893, value=user4
25. item2    user:userid    timestamp=1234567894, value=user3
26. item3    user:userid    timestamp=1234567895, value=user2
27. item3    user:userid    timestamp=1234567881, value=user4
28. item6    user:userid    timestamp=1234567832, value=user5
29. item6    user:userid    timestamp=1234567843, value=user6
30. item8    user:userid    timestamp=1234567854, value=user5
31. item8    user:userid    timestamp=1234567895, value=user4
33. ......
35. 大概的业务是：我查看《Hadoop权威指南》（item1）时，系统从item_user表中以item1作为行健查询出所有查看过item1的用户，再分别以各userid为行健，从user_item表中查询出所有查看过的商品，最后去重、统计、排序并显示。

 

http://f.dataguru.cn/thread-33415-1-1.html