[发明专利]一种中小学生学习资源实时热点协同过滤及推荐的方法

权利要求书

1.一种中小学生学习资源实时热点协同过滤及推荐的方法，其特征在于，包括如下的步骤：

步骤1)首先启动zookeeper程序和kafka消息队列集群，在zookeeper程序里面配置好kafka消息队列集群；当有读写请求到来时，kafka消息队列集群就会先将请求提交给leader，等到leader成功执行之后follower再跟随leader执行；

步骤2)客户端提交用户读写请求给服务器端，服务器端接收到客户端的读写请求之后首先将用户的读写请求写入到kafka消息队列集群；

步骤3)服务器端内的服务模块从kafka消息队列里面取出需要处理的读写请求消息；

步骤4)服务模块视自己的实现逻辑通过去噪模块进行噪化处理；

步骤5)将用户请求和去噪之后的数据提交给Spark Streaming框架进行实时处理；

步骤6)将排名结果写入到redis模块，当redis模块的数据超过设定的阈值时，就持久化到hbase数据库，并且将处理结果写入到kafka消息队列集群，kafka消息队列集群就将消息返回给客户端；

步骤7)客户端接收到消息之后就进行结果的显示。

2.根据权利要求1所述的中小学生学习资源实时热点协同过滤及推荐的方法，其特征在于，在步骤1)中，启动kafka消息队列集群之后，zookeeper程序就能够通过zab协议选举出kafka消息队列集群里面的leader，然后集群里面选不到leader的就成为follower。

3.根据权利要求1所述的中小学生学习资源实时热点协同过滤及推荐的方法，其特征在于，在步骤3)中，在kafka消息队列内设置有发布订阅模块，每一个服务模块都对一种类型的消息进行订阅，当有这种类型的消息到来时，kafka消息队列就会将该消息发布给对应的服务模块。

4.根据权利要求1所述的中小学生学习资源实时热点协同过滤及推荐的方法，其特征在于，在步骤4)中，在去噪化过程中，去除用户恶意评价，而对于当前热度，讨论度排名则是不需要进行去噪化处理。

5.根据权利要求1所述的中小学生学习资源实时热点协同过滤及推荐的方法，其特征在于，在步骤4)中，Spark Streaming框架将每一个数据片的数据转换为分布式弹性数据集，然后对分布式弹性数据集进行迭代计算和转换，最后得出排名结果。

6.根据权利要求1所述的中小学生学习资源实时热点协同过滤及推荐的方法，其特征在于，所述Spark Streaming框架对于热度的实时排名处理，则是对结果进行累加，统计出实时结果，并且在内存之中进行top n排序，对于实时评分排名，则是计算相应项目的平均评分，然后也在内存之中进行top n排序。

7.根据权利要求1所述的中小学生学习资源实时热点协同过滤及推荐的方法，其特征在于，在步骤7)中，当数据超过一定限度的时候，就会将redis模块的数据缓存到hbase数据库。