随着泛在网络化、电子商务智能化、物联网和云计算技术的兴起,人们嫣然已进入了信息“大爆炸”的世纪,催生大数据时代的到来。在这新时代,海量信息的过滤是人们所面临的问题。对于人们选购商品需求不明确或选择焦虑时,导购系统能通过分析用户的消费行为数据以及用户静态数据,为用户过滤、为用户主动推荐所心仪的商品。因而,那些具有这一功能特点的导购系统在电子商务的发展中也日益被消费者所喜爱。由于各个电子商务平台海量数据信息日积月累,导购系统面临的数据压力是巨大的。为了保证系统能过快速的对用户做出响应,筮需导购系统具有处理大数据的计算能力。目前,随着Hadoop生态圈技术日渐完善,其具备有超大计算能力的框架也日益繁多。本文对比分析Hadoop中的MapReduce计算框架和高性能Spark计算框架,综合各方面考虑将Spark计算框架用于本文的设计与实现中,以图在充分发挥Spark计算框架特有性提高导购系统的计算速率的同时,本文希望功能优化后的导购系统可以实现电商导购系统或推荐系统的导购或推荐能力的提高,增强系统平台的用户体验、提升用户依赖性,最终实现经济效益与社会效益的再创造。针对以上的叙述论证,本文先阐述了选题的背景、国内外相关的研究分析,随后本文深入讨论了相关的大数据处理技术,诸如我们所熟知的Hadoop技术生态圈中的MapReduce计算框架、实时分布式框架——Spark计算框架以及分布式文件存储系统——HDFS等。在可行性分析的基础上,本文对结合大数据技术的导购推荐系统进行了新的设计,并且详尽的阐述了导购系统的核心功能——导购功能,同时本文也介绍了相关的推荐算法及其应用。最后,本文结合相应的大数据技术,设计并实现了一个导购系统,对其中的核心功能和实现方法做了详细的阐述。