关于电商推荐系统原理的求解

各位大侠，自己刚触摸Hadoop，在学习进程中有个疑问，求各位哥哥姐姐大叔大婶们们回答一下，不胜感激！
1、在电商体系中，常常有产品引荐这个功用，大致知道引荐也是根据MapReduce做的，若是引荐考虑到用户的以往购物阅历，年纪，作业等一大堆特点信息，怎么能用MR完结啊，总觉得MR仅仅一个Key/Value对，十分不理解怎么能联系这么多特点信息完结排行引荐等作业，求详解
2、使用Hadoop怎么实现对与图画的剖析与处理，当前有各能源行业的Case，许多勘探数据，不知怎么加以用大数据的方法使用
              
               
               

            关于产品引荐运用Map/Reduce做，我做过产品引荐可是没用map/reduce，下面说说我能想到的：
产品引荐算法有多种，举例协同过滤，在运用协同过滤时需求核算两两产品间的类似度，这儿就可以运用Map/Reduce了，一个reduce核算一个产品同其他一切产品的类似度，当然一个reduce必定不能只核算一个，这儿你可以用产品的种类或许其他特点作为key分组处置
首要即是怎么将使命分片，至于key，你不需求思考，大不了到时候每十个使命给一个key，然后分组都可以，首要思考的即是怎么分片，我是这么了解的，不知道对不对
        

            主要是看了分关于淘宝的介绍，看到每天淘宝都在天梯集群上进行推荐排名的计算，用的也是mapreduce,但是搞不清楚具体实现方式，大白话一点：如果有这么一个购买规律，比如iphone5的主要购买人群是20-35岁，大学以上学历，收入每月5000块钱的模式，如果通过淘宝的销售记录，以及购买用户的信息来得出这样的规律，然后可向这类人群提供广告定投
        

            你是根据计算购买记录得出规律的，购买记录有N多，这时就可以使用map/reduce分片计算了呀，map以购买的用户为id分组将结果传递给reduce处理，最后合并
        

            http://zh.wikipedia.org/wiki/%E5%85%88%E9%AA%8C%E7%AE%97%E6%B3%95
        

            记得淘宝有套技术白皮书，具体是什么名字记不得了

学习了

也是初学者，简单思路是计算用户特征，基于用户协助过滤，推荐别的用户买过的产品，计算用户特征对这些产品的喜爱度建立推荐列表。