ECommerceRecommendSystemIntroduction

想要获得作者帮助？+vx: tqzhasaheart

作者将提供如下帮助：

【基础指导】：作者将在业余时间远程指导你来部署 （免费）

【进阶指导】：获得作者一对一简单指导 （免费）

【高级指导】：获得作者准备的镜像，支持一键部署，直接使用，省去自己配置环境的痛苦过程（ 推荐： 超级性价比）

【尊享指导】：获得作者手把手部署演示教学以及万字论文模板指导&推荐算法原理分析，以及有偿需求承接代码修改

VMWare 镜像截图

VMWare信息：VMware® Workstation 14 Pro 版本号 14.1.1 build-7528167

VMWare部署完成之后的效果如本文件目录内 vmware_video.mp4 所示

系统运行效果演示

视频简介：点击打开视频演示

此电商网站商品推荐系统采用前后端分离开发的方式，通过 JSON 交互数据，如果你是要体验的话，直接部署http服务器即可体验，如果你想二次开发的话，后端用IDEA打开，前端用VSCode打开，前后端需要分开开发。

前端使用 Vue + TypeScript + ElementUI 构建，通过 TS build 脚本工具自动完成前端静态资源的替换，当运行 build 命令的时候静态资源会自动部署到后端业务工程的 webapps/static 目录下，可以随 Tomcat 一同启动，非常方便，不用自己单独起前端服务器

怕你看不懂就再啰嗦一下，假设你二次开发前端页面，页面写完之后，可以通过 ts build 命令把整个 vue 代码编译成静态资源（html、js、css）放到后端代码 webapp 目录下，这样你就可以在改完后端代码后，在后端businessServer工程里面直接打一个 war 包并部署到tomcat下直接启动整个应用了，不必单独启动前端服务器

点击查看前端工程目录及详细介绍

后端又分为业务模块和推荐模块，业务模块与前端交互、接收与反馈数据。推荐模块监听 Kafka 的用户行为数据，然后进行实时计算，将结果写回 MongoDB，并周期性执行离线计算，根据用户最近的操作记录进行离线推荐，并将推荐结果写入到 MongoDB

点击查看后端工程目录及详细介绍

开发工具

1. 环境：Windows 10、JDK-1.8、Scala-2.11.12
2. 开发工具：Intellij-IDEA-2019.3.3、VSCode
3. 组件：Kafka-0.10.2.1、Redis-2.9、MongoDB-3.6、Zookeeper-3.4.11

后面每一个工程文件夹内部都有 readme 介绍项目结构以及如何开发部署，记得浏览