随着互联网时代的到来,人们的娱乐活动日益丰富,获取信息的来源日益广泛,观看视频逐渐成为一种主流的娱乐方式和获取信息的重要途径。但是,由于视频的类型太多,各平台视频的数量也很多,如何在大量的视频中,根据用户喜好快速向用户推荐用户喜欢的视频就显得很重要了。具有个性化推荐功能的云点播平台就能让用户在云端获取和启用云点播服务,并且向用户智能推荐视频。现有云点播平台存在很多不足,并不完善,因此本文研究的内容就针对当前云点播平台现状存在的问题,采用storm分布式方案解决大数据处理问题,同时结合视频推荐算法,提出自定义推荐算法,在视频点播平台上实现个性化推荐,并解决推荐不精准、不及时等问题。本文完成了收集视频特征数据并梳理构建其视频特征向量集合,记录用户操作日志,从中分析出用户的兴趣,并梳理建立起用户兴趣特征向量结合,提取行为中关联的视频属性特征进行构造,利用给特征向量加权的方式建立个性化实时推荐算法,最终实现在手机APP视频点播平台上结合建立的视频推荐系统,实现视频个性化实时推荐。在研究向量集合建立过程中针对用户兴趣向量和视频特征向量的不同特性而采用两套不同方案,即固定数量相似向量和固定相似度值来建立集合,当完成用户兴趣及视频特征向量相似集合后,便可以向用户进行推荐。采用两种思路向用户进行推荐,当采用基于用户的协同过滤算法时,云点播平台将用户兴趣向量相似集合中的向量所对应的视频内容推荐给用户,当采用基于物品的协同过滤算法时,云点播平台则将视频特征向量相似集合中的视频推荐给用户。