纵观业界的电商网站，我站在一个用户的角度来看，商品推荐有很多种：
一种是通过我搜索、查看的那件商品的，系统统计出搜索、查看该商品的其他用户搜索、查看其他商品的次数，把排名靠前的推荐给我，当当的一个栗子：
我查看了《Hadoop 权威指南》，系统给我推荐了一堆其他的书：
一种是通过我最近的搜索、查看过商品，系统给我推荐一些它认为我感兴趣的商品，淘宝的一个栗子：
还有几种，感觉挺有意思的：
特别是这个，搜索Hadoop 的用户，最终很多人都买了羽绒服，这是为什么呢？学习hadoop 的筒子们都很怕冷么？还是说，北方人居多？
- 五花八门哈，别的不管了。只讨论下第一种，个人YY设计下：基于Hbase的一个简单的商品推荐系统。
- 撇开其他的流程不说，单就这个推荐而言，基于Hbase的设计，两张表就OK了。一张表user_item记录每个用户查看了的所有商品，item_user记录查看了某个商品的所有用户。
- user_item：userid作为行健，列簇和列为item:itemid，数据如下：
- user1 item:itemid timestamp=1234567891, value=item1
- user1 item:itemid timestamp=1234567892, value=item2
- user1 item:itemid timestamp=1234567893, value=item3
- user2 item:itemid timestamp=1234567894, value=item4
- user2 item:itemid timestamp=1234567895, value=item5
- user3 item:itemid timestamp=1234567881, value=item1
- user3 item:itemid timestamp=1234567832, value=item2
- user4 item:itemid timestamp=1234567843, value=item3
- user4 item:itemid timestamp=1234567854, value=item4
- user4 item:itemid timestamp=1234567895, value=item5
- ......
- item_user：itemid作为行健，列簇和列为：user:userid，数据如下:
- item1 user:userid timestamp=1234567891, value=user1
- item1 user:userid timestamp=1234567892, value=user2
- item1 user:userid timestamp=1234567893, value=user4
- item2 user:userid timestamp=1234567894, value=user3
- item3 user:userid timestamp=1234567895, value=user2
- item3 user:userid timestamp=1234567881, value=user4
- item6 user:userid timestamp=1234567832, value=user5
- item6 user:userid timestamp=1234567843, value=user6
- item8 user:userid timestamp=1234567854, value=user5
- item8 user:userid timestamp=1234567895, value=user4
- ......
- 大概的业务是：我查看《Hadoop权威指南》（item1）时，系统从item_user表中以item1作为行健查询出所有查看过item1的用户，再分别以各userid为行健，从user_item表中查询出所有查看过的商品，最后去重、统计、排序并显示。
http://f.dataguru.cn/thread-33415-1-1.html
