随着当今技术的迅猛进步,数据体量也同时在与日俱增。面对信息过载的这个现存问题,推荐系统也随之被人们发展起来。旅游市场跟电商不太一样,季节不同景区人流量迥异,面对海量多变的信息,旅客在制定旅游方案的时较难做出决策。然而当今互联网+大数据时代,智慧旅游方面的相关技术也在一步步地发展成熟并日益完善。社会政策方面,对旅游产业的也越来越有利,打造智慧旅游的时代已经到来。本论文首先对立论的相关背景进行了介绍,对要使用到的Spark(分布式计算框架)、Parquet(列式存储格式)以及HDFS(Hadoop Distributed File System,分布式文件系统)等大数据处理技术进行了深入研究,之后介绍了部分的算法以及应用,在此基础上,对推荐引擎进行了设计并实现。整个系统基于Spark,采用模块化划分,通过相互调用沟通,达到解耦,根据在线旅游的特殊性,从用户群体以及旅游产品中提取旅游推荐的特征,作者独立设立并实现了其中的推荐数据仓库、推荐引擎、推荐引擎输出处理等三大模块:(1)推荐数据仓库模块:首先推荐引擎的计算结果以及原始数据的存储都需要一个优秀的仓库来存储,基于此点,作者结合HDFS和Parquet设计并实现了一个高性能的数据仓库。此仓库是基于HDFS文件系统,存储文件选取列式文件类型Parquet,使得在线和离线计算效率有效提升。(2)推荐引擎模块:推荐引擎模块包含三个推荐引擎,在Spark编程模型下并行化实现了基于SVD(Singular Value Decomposition,奇异值分解)、人口统计学、内容三个推荐算法,分别设计实现了三个对应的独立的推荐引擎,每个引擎也是一个小的模块,独立工作并产出各自的推荐结果交给下游使用。每个引擎的离线计算时间和在线计算时间均得到了极大的缩减。(3)推荐引擎再处理模块:此模块将会产出最终的推荐结果,为了使得每个推荐引擎的推荐结果实现一致,最后实现了混合推荐模型。推荐引擎的权重也会在此模块发生变更并调整,将个性化体现得更充分。另外,此模块还增加了推荐解释的功能,对每一个推荐结果的缘由标注并展示给用户,增加用户的兴趣度和理解度。三大模块相互协调工作将会产出较优的推荐结果展示给用户,时间花费上较短,效果较佳。目前该推荐系统已经上线运行,后续通过不断地运行观察,对配置参数以及用户属性、产品属性的选取将会进一步调整。通过本系统的运行,将会方便用户,同时给公司带来理想的经济效益。