推荐系统研究比对

经过这一段时间的研究，主要对easyRec 和mahout的研究，有了一点心得体会，赶紧记录下了万一以后忘了。

1.easyRec 我觉得的主要特点就是安装特别简单，并且有可视化界面可以看和操作，只需要在自己的项目中调用指定的API就可以轻松获取各种推荐数据。并且这个推荐系统的一大优势就是离线分析，当时因为一个离线分析让我研究了好久，想不清楚这是怎么个离线分析。后来研究了一下源码，大概了解就是：view 、buy 、rate 这几个操作就是正常的记录到数据库中，然后程序在后台自己计算各种推荐结果，我们调用推荐API的时候其实只是访问已经算好的值并且存在数据库中，所以不存在当数据量很大的时候获取一个推荐结果需要很久的问题。我个人还是觉得这个最方便，也好用。

2.当时没能解释清楚离线分析是怎么个过程，并且easyRec 使用的是MySQL数据库，担心计算过程长，运算时间慢，所以想要使用mahout来代替。这个mahout是真麻烦啊，首先这个单机也能运行，下载jar包放在工程里，怎么用还没研究清楚但是网上例子一大堆，但是 我们真正使用肯定是在大数据的前提下，单机是肯定不行的，就需要结合Hadoop，进行分布式运算，经过这几天研究，Hadoop主要是HDFS用来大数据存储、MapReduce用来大数据运算。这两个的环境我都安好了，可惜到测试的时候死活出不来，我就想着用Java来操作，可惜这一块也是片的坑，网上大多数的例子都是单机运行的，结合Hadoop的实在很少，而且操作起来都很复杂，实在想放弃，或许也是没找对门路。。

以上就是近段时间对这两个的研究，纯属个人见解，欢迎指正。