分布式大数据挖掘的朋友，如果你正好在找个靠谱的关联规则挖掘实现，不妨看看这个基于AprTidRec 算法的系统，挺实用的。它改进了老掉牙的 Apriori，少了剪枝，过程更轻巧，对大规模数据集也游刃有余。

用的是局部到全局的通信方式，先各自干活儿，再汇总结果。这种方式对数据分布广的情况友好，能少多无用的候选项，效率高出不少。代码结构也清晰，逻辑分明，调试起来不会太费劲。

系统本身还算蛮稳定的，数据量一大也不怂。每个节点算自己的频繁项集，合并结果，不容易出错。对你要做电商推荐、用户行为这些场景，挺合适的。

另外，作者还整理了一些相关技术文章，像Apriori 算法、CanTree 优化、Spark 计算框架，都可以当补充知识点看一看。

如果你对关联规则挖掘已经有些了解，想扩展到分布式架构，这个项目真心值得一试。哦对了，别忘了关注下支持度和可信度这些核心指标，能帮你更好地判断规则价值。