基于Java+SpringBoot+Layui+Hadoop技术的电影推荐系统源码：使用用户协同过滤
算法实现大数据电影推荐
（假装这里有张架构图）
咱们今天聊聊怎么用Hadoop搞个能实战的电影推荐系统。这个系统最带劲的地方在于，用户随便点
几个电影打个分，后台就能算出他可能喜欢的片子。别看听着玄乎，其实就是协同过滤算法在Hadoop集群
上跑MapReduce实现的。
先说数据怎么流动。用户在前端用LayUI做的页面打分后，SpringBoot会把评分数据存到MySQL的mo
vie_ratings表里。每隔6小时（生产环境建议凌晨跑），咱们用Sqoop抽数脚本把新数据怼到HDFS上：
```bash
sqoop export \
--connect jdbc:mysql://192.168.1.100/movie_db \
--username root \
--password 123456 \
--table movie_ratings \
--export-dir /input/movie_ratings
```
不过真实项目建议用Spring Scheduler写定时任务，比crontab更可控：
```java
@Scheduled(cron = "0 0 */6 * * *")
public void syncToHDFS() {
// 调用HDFS API上传增量数据
}
```
重头戏在MapReduce阶段。咱们的协同过滤算法分三步走：计算用户相似度->找相似用户->聚合推
荐结果。Mapper阶段得把原始评分数据转成<用户ID, 电影ID:评分>的格式：
```java
// 相似度计算的Mapper片段
public void map(LongWritable key, Text value, Context context) {
String[] parts = value.toString().split(",");
