互联网和电子商务的快速发展给人们的日常生活带来了极大的便利,人们在网上购物变得更为方便、快捷。但是同时有大量的商品信息会出现在电子商务网站上,这又会使用户在购物时眼花缭乱,手足无措。如何让用户从大量的商品信息中,获得对自己真正有用的那部分信息,怎样让用户买到真正适合自己口味的商品。这就需要个性化的商品推荐系统,它通过分析用户的行为,可以猜测用户的喜好,针对用户的个人喜好,做出有针对性的个性化商品推荐。“美味七七”电子商务网站主要从事生鲜产品的网上销售,网站目前还没有个性化的商品推荐系统。但是随着网站销售量的与日俱增,对个性化的商品推荐的需求越来越迫切。本文针对电子商务网站的现状,设计并实现了一个的基于分布式协同过滤算法的个性化商品推荐系统。本文的主要内容如下:本文首先对推荐系统在国内外的应用状况进行了研究和分析,在此基础上对推荐系统的定义、作用、结构和分类等进了梳理,对当前主流的推荐算法和推荐系统进行了研究,并分析了它们各自的优缺点。其次,本文对“美味七七”电子商务网站的运维现状进行了分析、并结合网站自身特点。对“美味七七”的个性化推荐系统进行了分析、设计和实现,确定了系统的主要用例和逻辑功能模块包括数据采集、数据上传、参数设置、推荐算法调用、推荐结果存储、推荐接口查询等。针对“美味七七”网站的海量的用户行为数据,个性化推荐系统采用了基于Hadoop的分布式协同过滤推荐算法。有效的解决了对海量用户行为数据的上传、用户特征的提取、相似度的计算,推荐结果的存储和调用等问题,并实现了电子商务网站和个性化推荐系统之间的弱耦合。最后对个性化推荐系统进行全面的性能测试和功能性测试,测试结果表明本系统功能正确,达到系统需求设计的要求。