Hadoop 学习用的假数据，还挺好用的，适合入门推荐系统的朋友。movies.dat、ratings.dat、users.dat这三份文件基本能模拟一个完整的电影推荐流程。数据结构不复杂，字段也比较清晰。

文件里的格式都比较统一，比如ratings.dat一行包含用户 ID、电影 ID、评分和时间戳，读起来不麻烦，用MapReduce或者Spark都挺顺的。你想搞平均分、热门电影统计，或者训练个推荐模型，数据都够用了。

movies.dat里有电影 ID、标题、类型，拿来做内容也不错。你可以抓出科幻片、爱情片啥的，配合用户画像做个性推荐。而users.dat就记录用户基本信息，比如年龄、性别这些，能帮你搭出用户标签体系。

这些数据量不小，放到HDFS里跑任务正合适。你可以试试用Hadoop Streaming做点 ETL，比如拆字段、清洗非法数据，体验下分布式计算的流程。

哦对了，如果你想看这些数据长啥样，可以从网上下，比如这里就有一套完整的。别忘了，格式虽然是.dat，其实用split就能直接拆开，结构还是清楚的。

如果你刚上手 Hadoop，想找点靠谱的练习数据，这三份假数据还真挺合适的。结构清晰、使用场景真实，拿来练手再合适不过了。