基于spark-streaming实时推荐系统（三）

      当博主在写 基于spark-streaming实时推荐系统（一）， 基于spark-streaming实时推荐系统（ 二）时，心里还曾暗自窃喜：“五年多推荐系统设计研发工作，再搭一套推荐系统还不是轻松的事么！”。只有真正做了之后才知道这其中的辛酸与血泪。

      首先博主前期的推荐系统经验主要是基于传统电商网站，推荐的主体是用户，推荐的内容是商品。商品只要能够满足销售的基本要素便一直是众多商品推荐池中的一份子，这样的大背景的有几个优势：1.待推荐结果集百万千万级；2.无需实时考虑商品状态是否可售；3.可以直观的反馈商品相似度；4.商品容易分类等。可以设想一种新的推荐场景：虽然推荐主体依旧还是用户，但是推荐的内容是人。人存在着诸多的不确定性，不能保证人状态的长期有效，也无法准确的通过除了性别之外的标签去完全准确无误的将人进行分类。