基于LFM算法的SpringCloud分布式购物系统
邵阳阳
徐子良
姜玉波
李成龙
田甜
山东建筑大学 计算机科学与技术学院,山东 济南 250101
摘要：数据个性化推荐缺乏、无意义流量对系统的影响,以及后期代码维护困难是目前在线购物平台面临的主要问题.基于隐语义模型(Latent Factor Model,LFM)和SpringCloud 框架,实现了分布式购物系统.针对数据个性化推荐问题,通过数据实时同步工具Maxwell采集用户数据并推送至消息中间件RabbitMQ,日志收集系统Flume接收数据并存储至分布式架构 Hadoop 中,由推荐服务读取数据,基于 LFM的协同过滤算法实现数据个性化推荐;针对系统冗余压力问题,利用微服务网关Zuul限制子系统路由访问量,以减少子系统的流量压力;针对代码维护问题,使用Zuul和Nacos注册中心实现动态路由代理,自动分发流量至新增服务器已注册的子系统中.上述技术提高了在线购物平台的拓展性和应对高并发流量的处理能力,降低了代码维护难度.
关键词：购物平台微服务推荐系统协同过滤
分类号：TP311(计算技术、计算机技术)
资助基金：国家自然科学基金(62102235)
论文发表日期：2023-12-28
在线出版日期：2026-08-28（本平台首次上网日期，不代表文献的发表时间）
页数：8( 27-34 )
英文信息