本章詳細介紹了本系統(tǒng)的需求分析。本系統(tǒng)旨在實現(xiàn)一個用戶不僅能方便地查看電影信息畅姊，而且能獲取自己感興趣的推薦電影的系統(tǒng)啥辨。本系統(tǒng)的功能應當是較為完善的，推薦結果應當較為精準化陨瘩，推薦效率應當高效级乍，并且面對不斷增長的電影數(shù)據(jù)和用戶數(shù)據(jù)應當有著良好拓展性。此外甚淡，本系統(tǒng)應當以web頁面為最終呈現(xiàn)方式驯妄，以便于用戶在PC端或移動端等設備上隨時訪問本系統(tǒng)。
2022年12月增加Spark大屏統(tǒng)計駕駛艙秉犹、Web后臺管理系統(tǒng)
當前爬蟲+三種機器學習推薦算法+用戶畫像可視化+虛擬機集群足夠畢設了
交互層提供了用戶與系統(tǒng)之間交互的途徑跑杭，通過簡潔直觀的web頁面將系統(tǒng)展示給用戶啡彬。業(yè)務邏輯層主要用于實現(xiàn)交互層的功能，根據(jù)業(yè)務邏輯實現(xiàn)用戶信息纵搁、電影信息的管理往踢，同時選取合適的推薦算法來完成相關推薦。推薦算法層分為統(tǒng)計推薦妄辩、離線推薦和實時推薦山上。統(tǒng)計推薦主要用統(tǒng)計的方法如計算評論數(shù)或評分等來推薦英支；離線推薦主要反映用戶歷史的電影喜好，因為計算量巨大需要離線定時運行妄帘；實時推薦主要反映用戶近期的電影喜好池凄，在離線計算好的數(shù)據(jù)基礎上可以做到秒級、毫米級的計算延遲致盟。存儲層綜合關系型數(shù)據(jù)庫和非關系型數(shù)據(jù)庫來存儲用戶數(shù)據(jù)尤慰、電影數(shù)據(jù)和推薦結果集伟端。交互層、業(yè)務邏輯層党巾、推薦算法層和存儲層都將會部署在服務器端，用戶在web頁面上瀏覽時與服務器端通過HTTP協(xié)議來進行數(shù)據(jù)傳輸齿拂。
