由于网络信息技术的不断成熟和飞速发展,在web应用、网络监控、传感监测、电信金融、生产制造等领域,兴起了一种新的数据密集型应用——流数据,即数据以大量、快速、时变的流形式持续到达。如何对这些流数据进行收集和计算,产生实际的经济价值,是近些年来网络技术研究的热点,并且电商网站中都有着数量庞大的商品信息,用户找寻到适合自己的商品无异于大海捞针,所以,开发一个在线商品推荐系统。这个推荐系统可以对用户浏览和购买商品时产生的流数据加以利用,发现用户的即时购买意图和兴趣,从而为用户找到与其兴趣相似的商品,并推荐给用户,不仅能提高商品销售量,也可以增加用户的购物满意度。基于流计算的在线商品推荐系统包括数据采集模块、在线推荐模块、冷启动问题的解决、离线计算模块和Web展示模块。数据采集模块采用Flume框架进行实现,主要职责是采集用户的在线日志数据信息（浏览、收藏和购买）,然后传送给分布式消息队列Kafka;离线计算模块是对用户过去的行为信息进行分析计算,采用基于物品的协同过滤推荐模型思想和基于标签的推荐模型思想,使用Flink流计算框架,计算商品推荐列表,并将计算结果存储在数据库中;在线推荐模块主要功能是当用户有操作发生时,在线的发现用户的即时购买意图和兴趣,同时利用离线计算模块的计算结果,在线的给用户推荐相关商品;Web展示模块是提供一些对外的接口,对离线推荐结果、热门商品和在线推荐结果进行一个简洁的展示。对系统进行测试的结果表明,系统可以在线的发现用户的即时购买意图和兴趣,为用户推荐与其兴趣相似的商品,且能长时间稳定运行,达到了设计目标,因此本文的推荐系统可以在电商领域,定制化地为用户推荐与其兴趣相关的商品。