随着大数据时代的到来,信息过载的问题随之而来。解决信息过载的途径之一是利用推荐系统对用户做个性化推荐。传统的推荐系统扩展性差、计算时间长,在海量数据下会遇到计算和存储瓶颈。如何在短时间内将海量信息推荐给海量用户成为推荐系统所面临的严峻挑战。使用hadoop平台可以解决推荐系统海量数据处理的问题。本文设计了一个基于Hadoop平台和Spark框架的手机App应用推荐系统。该系统结合基于项目的协同过滤算法与逻辑回归算法,将用户访问数据从关系型数据库到导入到Hive数据仓库中进行数据处理。首先在Hive中通过创建中间表和调用Python脚本文件等一系列操作,包括样本和特征抽取以及构建训练数据,将数据处理为算法数学建模的入口数据。然后根据商品特征和用户行为在Spark计算框架中调用逻辑回归算法做数学建模,将用户的喜好这一抽象概念具体化,通过调用逻辑回归算法生成模型文件。最后将生成的模型文件放置到线上Dubbox项目,根据推荐模型做推荐。基于项目的协同过滤算法可以寻找两两物品之间的关联,是业界中常用的推荐算法。逻辑回归算法是一个二分类算法,算法输入为特征,输出为特征加权重,结合协同过滤算法和逻辑回归算法可对用户做个性化推荐。本文系统评估主要评价系统的处理性能、准确率、AUC这三个指标。实验表明,本文设计的结合逻辑回归和协同过滤算法的推荐系统在冷启动问题方面有明显的优势。