我已经找到了一些关于如何创建我自己的非分布式推荐程序的教程，但没有找到如何创建我自己的分布式推荐程序作业的教程（如果您知道任何链接，都欢迎使用）。
在“mahout in action”一书中，有一些例子说明了如何使用mahout的对象编写Map器/还原器，但似乎没有说明如何将这些作业组合在一起？
不过，mahout core中有item/recommenderjob，它给出了如何实现这一点的想法。我的实际意图是替换第一个Map器，这样我就不必在mahout之外准备数据（行看起来像“userid，itemid1，itemid2，itemid3…”并且使用item.recommenderjob我显然需要像“itemid1，itemid2”，“itemid1，itemid3”，…）这样的行。
现在复制一下推荐人的职业课程，改变一下我需要的是不是一个好主意？我已经尝试过了，但是由于这个类使用包范围内的变量（例如。g。uservectorsplittermapper.users\u文件）我必须替换这些-这感觉不太好。
我应该创建一个新的类来扩展abstractjob并从recommenderjob中挑选我需要的东西吗？那么在推荐工作中我真正需要的要素是什么呢？