随着智能手机的普及和移动互联网技术的发展,越来越多的用户选择在手机上阅读图书。面对海量的电子图书资源,如何快速高效的根据用户的兴趣找到用户需要的图书,提升用户的阅读体验,逐渐成为手机阅读行业的重要需求。正是在这个背景下,结合先前了解到的离线推荐系统延迟大、响应缓慢、运维复杂等缺点,我们提出了手机阅读实时推荐的课题。本课题在手机阅读BI平台的基础上,针对用户订购、阅读、浏览等行为,采用协同过滤算法,在Hadoop和Storm等开源大数据框架的基础上,设计和实现了个性化实时推荐系统。该系统具有如下几种特点,首先它具有实时性的特点,能根据用户的实时行为,快速、高效的为用户提供相关推荐结果,大大提升了用户的阅读体验;其次,该系统具备高可用、可扩展的特点,能很好的应对用户量增加带来的高并发请求,提高了系统的稳定性;最后该系统具备通用性的特点,能灵活的支持各种推荐算法,为后续增加新的推荐算法打下基础。.在完成系统的设计与实现以后,我们先对该系统进行了功能测试;然后又对系统中各组件进行了性能测试;最后采用A/B测试的方法对准确率、多样性等推荐系统常见衡量指标进行了验证,以保证推荐系统的可靠性和有效性。目前本课题描述的推荐系统已经成功运行在“咪咕阅读”APP后台,为手机阅读平台带来了良好的收益。