随着互联网+时代的到来,信息量爆发,使得用户在面对海量信息时,没办法快速地获取到自己真正需要的信息,反而降低了信息的利用率,这就造成了信息超载(information overload)问题。相应的在多媒体方面,因为多媒体数据的爆发,用户在观看电影、电视等多媒体资源时有更多的选择,往往对媒资的选择会显得盲目无从。推荐系统概念的兴起,正是为了解决信息过载的问题。推荐系统设计的初衷是通过收集用户的行为,结合物料池的物料数据,通过对行为数据和物料数据建模,匹配两者之间相似度,以此向用户推荐可能感兴趣的物料。传统单体开发模式以为着系统高度的耦合,既不便于开发,也不便于系统后期的维护。而这些问题最好的解决方案就是微服务的开发方式。微服务框架里,各个功能组件高内聚,服务之间低耦合,服务之间的数据传输依靠网络通信,对于系统开发和维护都是非常友好的。本文将着眼于一个基于微服务的面向广电行业的节目推荐平台的设计与实现,目的是使广电行业运营商能够通过该平台,根据自身业务需要,按照推荐系统线性流程的方式,进行少许配置,从而快速上线一套适用的广电推荐系统。本人主要工作内容是根据推荐系统运行流程对系统进行子服务拆分,从推荐场景配置、数据源管理到任务的配置再到最终推荐结果的获取,不同的流程分模块独立开发,顺利应用微服务的开发模式。不同模块完成推荐系统流程中某一阶段特定的功能,最终,平台实现了面向广电行业的节目推荐的完整解决方案。同时在任务配置模块利用了分层的思想,分为离线任务、近线任务、在线任务,不仅能够使用复杂的算法进行推荐结果的计算,也能实时的对请求做出响应,还可以对推荐结果进行更新,保证不过时。本论文提出的推荐平台在上线实际运行的情况下,客户能够通过它快速上线广电节目推荐服务,用户请求次数快速上升,用户点击通过率(UCTR,User Click-Through-Rate)和订购率明显提高。同时,平台支持多种推荐行业、推荐场景,能够根据业务需求灵活更新。平台性能方面,依托DevOps实践,能够满足高并发高可用场景下的性能要求。