随着互联网技术的发展和信息量的增长,用户在大量信息中无法找到对自己有用的信息,因此推荐系统应运而生。推荐系统通过不同的媒介将用户与物品连接,媒介可以是用户喜欢过的物品,也可以是与用户兴趣相似的用户,或者是用户用来描述物品的语义。离线推荐是传统的个性化推荐系统主体,定期对数据进行分析,然后对模型进行更新,进而利用新的模型进行个性化推荐。由于是定期更新模型,推荐模型无法保持实时性,推荐的结果可能不会非常精准。实时推荐的优点在于,一方面更准确地为用户进行推荐,另一方面是用户可以根据实时性的推荐结果更快进行反馈,进而可以对推荐模型进行尽快更新,使得推荐模型更加精确。个性化推荐系统架构的关键问题,就是如何以无缝方式实现在线和离线计算过程,将算法的计算步骤合理分配到各个部分,使得得到的模型既可以非常准确,又可以非常快速,以满足实时性的要求。本文研究了门户网站和推荐计算系统之间数据通信的相关问题,提出了针对门户网站高并发的请求量和实时性要求的推荐系统数据发布子系统方案。该方案可以为门户网站提供针对不同业务需求的推荐数据源,并且同时支持离线推荐业务和在线推荐业务。本文针对中国移动手机阅读推荐业务设计,并且实现推荐系统数据发布子系统。结合开源框架和接口技术实现MVC框架模型。采用基于Struts和Spring轻量级框架,使得系统具有较好的可扩展性、可维护性。基于业务进行需求分析和系统的设计,将系统分为负载均衡、鉴权管理、离线推荐业务处理、在线推荐业务处理、图书信息缓存以及用户行为信息处理六个模块,并对这六个模块进行了具体的实现。最后测试了系统的功能性和非功能性,系统最终实现了所有功能需求,并且满足每天5亿的并发请求量和平均响应时间小于300ms的性能需求。