伴随着大数据时代的到来及个性化教育理念的推出,如何在上PB(Petabyte,1024TB)级的电子教学资源中,让教师、学生快捷的使用对其自身有价值的资源成为研究热点之一。个性化推荐系统作为解决信息过载的重要工具,能够方便、快速帮助人们从目标数据中自动挖掘感兴趣的、有价值的信息,近年来已经在电子商务领域得到普遍应用,但在教育领域的个性推荐仍处于探索阶段,尚未有成熟应用系统。为此,本文针对能处理大数据的个性化教育资源推荐系统进行研究及实现。作者完成的主要工作包括：(1)在充分分析个性化教育资源推荐系统功能需求及非功能需求的基础上,设计系统以B/S结构结合分层设计的架构,规划整体设计目标、架构设计、逻辑结构及关键技术,设计并实现了系统的核心模块。(2)基于Hadoop分布式文件系统及MongoDB技术实现了大数据的安全、高效存储,结合Spark Stream技术实现实时的数据模型更新,提升了个性化推荐的实效性。(3)利用Mahout、MLLib构建了离线、近线、实时的三层推荐结构,通过Spark、Hadoop技术实现了弹性的大数据处理能力,通过构建学科分类树形成标签数据源更好的组织资源模型及用户模型,利用基于内容和协同过滤相结合的混合推荐算法,解决了冷启动问题,改善了算法的精准度。(4)利用Java技术实现了跨平台的服务器端,利用Spring MVC和Ajax技术实现了交互性良好的用户界面。本文设计实现的基于大数据的教育资源个性化推荐系统已经在某高校网络中心投入使用,达到了预期设计目标。本系统结合学科分类树及三层推荐结构,提供了随数据量增长的弹性处理能力及基于大数据的安全、高效、实时的个性化推荐功能,为学生和教师快速利用对其有价值的教学资源提供了有效帮助。