最近产品中要给用户个性化推荐内容，所以需要开发一个推荐系统，根据用户的行为和特点来推荐内容。
推荐系统之前没有开发设计过，只是从纯算法层面知道一些，如 http://blog.jobbole.com/72373/ 这里提到的一些。
因为这些数据都是根据推荐算法从数据库中找出来的，且给每个用户推荐的内容都不同，且有很强的时效性：只要用户有新行为（如观看或给某些内容点赞了），同一个用户下一次刷新页面看到的推荐内容都可能不同。
目前服务器架构：用的是单台 LAMP 结构，使用了 Memcache 进行缓存（目前用的是IBM云服务器，当前可以满足业务需求）
现在的问题是，算法有了，这些数据如何存储？
第一种是直接存到数据库，这样的话每个用户的内容都不同，数据量比较大，另外这些数据更新会很频繁，影响数据库性能。
第二种是存到 Memcache 中。
个人目前倾向于存在 Memcache 中，但不知道是否有更好的方案（或用 Memcache 干这事有什么坑），对于这种小型推荐系统，一般是怎么做的。
我是存在redis里面的，然后storm流计算在不断更新redis里面的推荐数据，页面展示直接从redis获取
Redis也可以