随着21世纪网络技术的快速发展,我国的电影产业所带来的经济收益也持续增长。电影的产量逐年增加,类型更加丰富,观看电影的人数大幅度增加,但电影的质量参差不齐,各大电影厂商对电影的宣传也是百花齐放,消费者如何在百忙一闲的时间里观看到高质量、适合自己的电影,对电影口碑的评价和电影的票房有着巨大的作用。因此,为了向用户推荐丰富多样的优质电影作品,设计并实现了一个基于Spark的电影混合推荐系统。本文通过研究了当前主流推荐算法的原理和优缺点,将多种推荐算法通过多种混合推荐机制组合,设计了整体的推荐策略。设计了包括基于统计推荐和模型推荐的离线推荐模块。针对离线推荐结果更新不及时的问题,设计了实时推荐模块,改进了基于项目协同过滤算法,通过加强用户近期评分的考虑,着重体现用户在短期内的偏好,快速的更新推荐结果。最后,通过利用Spark等相关大数据平台,实现了一个比较稳定,易用的混合推荐系统。通过对实验数据的模拟实验表明,该系统的离线推荐有着较好的效果,实时推荐能够及时更新推荐结果,并且系统整体运行稳定良好。