随着移动互联网的迅猛发展，智能手机、平板电脑普遍出现在人们的日常生活中，运行在智能终端上的App（应用程序）极大地丰富了人们的生活。虽然用户可以在应用分发市场搜索和下载App，但这些市场缺乏有效的个性化推荐，一般只是将若干热门应用推荐给用户。这使得用户在海量App应用中难以发现真正适合自己兴趣爱好的App，找到的总是大众口味的App应用；同时也不利于新发布的优质App被用户发现，给App开发者的积极性和创造力带来负面影响。本论文旨在通过对云计算、Hadoop分布式框架和推荐算法进行研究，并结合App个性化推荐这一特定应用场景，提出了针对智能终端设备的个性化App推荐整体解决方案，并最终搭建出该推荐系统。本论文主要研究了云计算，Hadoop分布式架构，推荐算法及针对App推荐的改进算法，推荐系统前端、后台、推荐集群的整体搭建等。该推荐系统的用户信息收集功能是基于一款智能终端设备的桌面应用程序，主要收集了用户的App安装、使用和反馈信息。后台使用BAE云服务器，对推荐系统各功能模块进行控制。推荐算法运行环境为本地PC集群Hadoop框架。算法部分主要使用Mahout的基于用户的协同过滤算法，并利用App分类信息对推荐算法进行了改进。本论文将完成如下工作：1）收集用户App使用信息，以分布式App个性化推荐作为关键技术点。2）分析收集的用户App数据，研究App的各属性，确定使用App的分类信息作为对推荐算法改进的主要途径，并从降低数据稀疏性、相似度计算、推荐列表的改进和新用户问题等不同方面进行改进。3）研究App分类的方法，确定App分类的方法和策略。4）初步搭建该推荐系统，主要涉及BAE云服务器、本地PC集群和前端用于收集用户信息的桌面应用程序。