您可能在谈论mahout+hadoop+solr推荐程序。此方法以两种不同的方式处理重新排序。
基本推荐者可以通过两种方式组合在一起：
以（用户id、项目id、首选项权重）的形式将数据导入hdfs后，对数据运行itemsimilarityjob（使用llr similarity，这是最好的）。它将创建一个所谓的指标矩阵。这将是一个逐项id稀疏的值矩阵，表示任意两个项之间的相似程度。然后必须将其转换为solr可以索引的值。这意味着要将内部mahout整数id转换成一些独特的字符串表示形式，这可能就是它们最初的样子。这看起来像一个csv文件（item123，item223，item643，item293，item445…）。所以有两个solr字段，第一个是条目id，第二个是相似条目的列表。所有ID必须是文本标记。然后，对建议的查询是一个solr查询，它由特定用户所显示的首选项id组成。所以query=“item223 item344 item445…”。对指示器矩阵值所在的字段进行查询。您将得到一个有序的项目ID列表
对您来说，一种更简单的方法是使用mahout 1.0-snapshot的/examples文件夹中的工具，或者在这里：https://github.com/pferrel/solr-recommender. 它接收原始日志文件，其中包含用户和项目ID的唯一字符串。它完成了hadoop上的所有工作，以输出csv，这些csv可以由solr直接索引，也可以如上所述加载到db中。
我做演示网站的方式(https://guide.finderbots.com)是使用我的SolrWeb应用集成，将指标矩阵放入db中，将类似的项目列表附加到我的项目集合中。所以123得到223 643 293 445。。。在指示器字段中。索引集合后，查询为=“item223 item344 item445…”——用户首选的项。
以下是三种重新排序的方法：
将元数据与查询混合。因此，您可以对indicator字段执行query=“item223 item344 item445…”，对“genre”字段执行“scfi”。这使您可以在查询中混合协作过滤和元数据，正如您所想象的，rec基于用户的首选项，但偏向于“scfi”。一旦您将项+指标+元数据放入索引中，您还可以做很多其他有趣的事情。
按元数据筛选记录。你可以得到记录不歪斜，但过滤，如果你想。对指示器字段使用solr query=“item223 item344 item445…”，对“流派”字段使用“scfi”作为过滤器。在这种情况下，除了“scfi”你什么都得不到，而“scfi”你得到的大多是“scfi”
根据您对用户、上下文或项的其他了解，取回您的rec有序列表并以任何方式重新存储它们。通常，这些可以被编码到solr查询中并用一个查询完成，但是在返回rec之后也可以进行重新排序和过滤。你必须写代码，它不是内置的。
有趣的是，您可以将过滤器、元数据字段和用户首选项与solr所称的“boost”值混合，以获得各种重新排序。solr甚至可以使用位置来查询、倾斜或过滤。
注意：你不必担心solr碎片。solr将直接索引大多数dbs和hdf，但只有索引是分片的。如果你有一个非常大的索引，你可以分片索引；如果你每秒有很多查询，你可以复制索引（或者进行故障转移）。solr查询通常是非常快的，所以在您有一个正常运行的系统之后，我会担心这一点，因为它是一个配置的东西，不应该受到工作流的其他部分的影响。