針對(duì)傳統(tǒng)矩陣分解算法在處理海量數(shù)據(jù)信息時(shí)所面臨的處理速度和計(jì)算資源的瓶頸問(wèn)題，利用Spark在內(nèi)存計(jì)算和迭代計(jì)算上的優(yōu)勢(shì)，提出了Spark框架下的矩陣分解并行化算法。首先，依據(jù)歷史數(shù)據(jù)矩陣初始化用戶(hù)因子矩陣和項(xiàng)目因子矩陣；其次，迭代更新因子矩陣，將迭代結(jié)果置于內(nèi)存中作為下次迭代的輸入；最后，迭代結(jié)束時(shí)得到矩陣推薦模型。通過(guò)在GroupLens網(wǎng)站上提供的MovieLens數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，加速（Speedup）值達(dá)到了線(xiàn)性的結(jié)果，該算法可以提高協(xié)同過(guò)濾推薦算法在大數(shù)據(jù)規(guī)模下的執(zhí)行效率。