Java程式員的日常——SpringMVC+Mybatis開發流程、推薦系統

今天大部分時間都在寫業務代碼，然後算是從無到有的配置了下spring與mybatis的內建。

在applicationContext.xml中引入資料源的配置：

在spring-my-datasource.xml中配置資料源相關的内容：

配置完成後，工程的目錄結構如下：

在controller中設定相應的連結:

其中Dto是自己封裝的參數對象：

然後編寫Service代碼:

然後是相應的Mapper接口：

最後配置上mybatis的配置檔案即可：

下午的時候去參加了百分點的推薦系統的交流會，算是對推薦系統有了很多的了解。

1 百分點通過sass服務，接通全網的線上資料。

2 通過1可以達到跨終端、跨站的聯合推薦，并且是毫秒級延遲的。比如你在某站看中了口紅，那麼換一個電商，可能還會推薦給你口紅；再比如在手機上看到了某個産品，也可以同步到web端。

3 這種跨終端、跨站的推薦，可以通過兩種方式實作。一種是精準推薦，即需要使用者登入過，然後綁定終端資訊與使用者資訊，這樣就可以進行跨站、終端的推薦了。另外還可以通過網站的cookie來實作跨站的推薦同步；另一種就是模糊推薦，是根據大量的操作習慣、無線網絡等資訊進行判斷的。

4 推薦算法上最常用的就是協同過濾...A與B和C都有相似的購買行為，那麼B和C有相似行為的D與A也同樣保持相似行為。

一方面可以在首頁保證使用者的留存，不會一進來就跳出。

另一方面，在移動端等有限的位置，可以更精準的推銷給使用者産品。

另外，還可以做一些去留存的功能。比如倉庫裡面堆積了很多過時的産品，可以通過推薦去庫存。

總的來說，有舍就有得。想要共享全網資料，就需要自己也奉獻出來資料。這種取舍還是需要企業進行衡量的。