写一段基于Spark SQL的推荐算法

下面是一段基于Spark SQL的推荐算法示例代码：

import org.apache.spark.sql.SparkSession
import org.apache.spark.ml.recommendation.ALS

// 创建SparkSession
val spark = SparkSession.builder()
  .appName("RecommendationSystem")
  .master("local[*]")
  .getOrCreate()

// 读取数据集
val data = spark.read.format("csv")
  .option("header", "true")
  .option("inferSchema", "true")
  .load("ratings.csv")

// 数据集预处理
val ratings = data.select("userId", "movieId", "rating")

// 训练推荐模型
val als = new ALS()
  .setMaxIter(10)
  .setRegParam(0.01)
  .setUserCol("userId")
  .setItemCol("movieId")
  .setRatingCol("rating")
val model = als.fit(ratings)

// 为用户推荐电影
val userRecs = model.recommendForAllUsers(10)

// 显示推荐结果
userRecs.show()

以上代码读取了一个名为“ratings.csv”的数据集，其中包含用户对电影的评分。然后，使用ALS算法训练推荐模型，并使用该模型为所有用户推荐10部电影。最后，将推荐结果显示出来。

请注意，以上代码仅供参考，实际开发中需要根据具体情况进行修改和调整。