今天大部分时间都在写业务代码，然后算是从无到有的配置了下spring与mybatis的集成。

SpringMVC+Mybatis Web开发流程

配置数据源

在applicationContext.xml中引入数据源的配置：

在spring-my-datasource.xml中配置数据源相关的内容：

配置完成后，工程的目录结构如下：

com.test

---controller(存放controller类)

---dao(存放mybaits mapper接口)

---service(存放service)

mybatis

--testMapper.xml

在controller中设置相应的链接:

@RestController

@RequestMapping("/test")

public class testController {

@Autowired

private TestService testService;

@RequestMapping(value = "abc/123")

public Page getDataProfilingDetail(HttpServletRequest request, @ModelAttribute TestDto testDto){

return testService.getSomething(testDto);

}

}

其中Dto是自己封装的参数对象：

public class TestDto{

private String a;

public void setA(String a){

this.a = a;

}

public String getA(){

return a;

}

}

然后编写Service代码:

@Service

public class TestService {

@Autowired

private TestMapper testMapper;

public Integer getSomething(TestDto testDto){

return testMapper.getSomething(testDto);

}

}

然后是相应的Mapper接口：

public interface TestMapper {

public Integer getSomething(@Param(value="testDto")TestDto testDto);

}

最后配置上mybatis的配置文件即可：

/p>

"http://mybatis.org/dtd/mybatis-3-mapper.dtd">

select * from xxx

关于百分点推荐系统

下午的时候去参加了百分点的推荐系统的交流会，算是对推荐系统有了很多的了解。

相关的技术点：

1 百分点通过sass服务，接通全网的线上数据。

2 通过1可以达到跨终端、跨站的联合推荐，并且是毫秒级延迟的。比如你在某站看中了口红，那么换一个电商，可能还会推荐给你口红；再比如在手机上看到了某个产品，也可以同步到web端。

3 这种跨终端、跨站的推荐，可以通过两种方式实现。一种是精准推荐，即需要用户登录过，然后绑定终端信息与用户信息，这样就可以进行跨站、终端的推荐了。另外还可以通过网站的cookie来实现跨站的推荐同步；另一种就是模糊推荐，是根据大量的操作习惯、无线网络等信息进行判断的。

4 推荐算法上最常用的就是协同过滤...A与B和C都有相似的购买行为，那么B和C有相似行为的D与A也同样保持相似行为。

通过这些推荐算法：

一方面可以在首页保证用户的留存，不会一进来就跳出。

另一方面，在移动端等有限的位置，可以更精准的推销给用户产品。

另外，还可以做一些去留存的功能。比如仓库里面堆积了很多过时的产品，可以通过推荐去库存。

总的来说，有舍就有得。想要共享全网数据，就需要自己也奉献出来数据。这种取舍还是需要企业进行衡量的。