随着社会的发展,信息量的增长已经远远超出了人本身能够接受的范围。在如今的大数据环境下,现有的采用信息检索或者信息过滤等技术的推荐系统,已经不能满足大数据环境下快速、实时处理需求,这严重制约了推荐系统在未来一段时期的良好发展进程。近些年来,深度学习技术得到快速发展,并在有关领域取得了很好的应用效果,也有很多学者尝试在推荐系统上运用深度学习的技术,但是目前的应用还比较少,特别是对于影视推荐方面的平台,虽然也有一部分研究,但是有影响的成功应用不多,因此本文对于影视推荐这一领域,提出并搭建了一个基于深度学习推荐算法的高并发、高可用性的平台。本论文主要以深度学习为基础,构建相对精准的推荐算法,将其作为研究对象结合大数据技术,而后选用十分典型的分布式架构,设计、实现了一个个性化影视作品推荐系统,并对其进行测试与优化,从测试的结果来看达到预期的可用性指标。论文具体研究内容如下:（1）基于Hadoop分布式技术,搭建了高并发性的影视推荐平台,将Hadoop的架构应用于影视推荐平台,并针对传统的推荐平台中用户变化、数据冷启动等问题做了一部分的改进,设计并实现了基于Hadoop的影视推荐平台。（2）针对深度学习的推荐算法中准确度、个性化、高效的需求,构建了基于深度学习的推荐模型,根据影视剧的演员、评分、封面、类型等基本信息,通过深度学习的推荐算法训练出的模型,得出适合推荐给用户观看的影片,在此基础上建立了基于深度学习的推荐算法。（3）采用Vue、Spring Boot、Hadoop等关键技术,设计并实现了一个完整的影视推荐平台。最后对系统进行了测试,包括平台的功能、负载性能、推荐准确度等测试,测试结果表明该系统有较好的实用性。