user CF是基于相似用户的推荐方法，实现这种推荐的基本思路是：计算出相似用户得分，获取相似用户的物品集合的打分，最后两个得分相乘，得出相似用户推荐的物品集合topN。
实这种推荐可以使用公式余弦相似：cosine= a*b/(|a|*|b|)
具体思路和步骤如下：
一.从hive中获取数据：（hive建表，user_id、item_id、rating、timestamp）
启动spark ./sbin/start-all
启动spark-shell ./bin/spark-shell
val df = spark.sql（select * from default.udata）
二.计算相似用户：
1. 先计算分母：|a| = sqrt（a1^2+a2^2+a3^2+.....+an^2）,
把导入的表格变成RDD，取出user_id和rating，以用户为groupBy，把该用户的所有打分数据平方再相加再开根号，最后再转换为dataframe，使用RDD的目的是更加方便操作，最后转换为dataframe的目的是可视化更好，在后期的使用中也非常便利，在转换中要导入隐式转换（import spark.implicits._）
2.第二步计算分子：a*b
先需要一张新表，
val df = udata.selectExpr("user_id as user_v","item_id as item_id","rating as rating_v")
df新表join到udata表格，filter（user_id<user_v），形成相似矩阵，计算在同一个item下的评分乘积rating*rating_v，在相乘的时候要注意类型的转换，string->double，把乘积相加，计算出完整的分子部分
3.最后把分子和分母代入，得到相似用户集合（user_id、user_v、sim_score）
三、获取相似用户的物品集合
