1.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的实时推荐系统，所述实时推荐系统被所述处理器执行时实现如下步骤：

通过预定编程语言创建模型类，利用该模型类在特定的计算引擎上离线训练模型，并将训练得到的所有模型托管至实时计算后台；

通过所述实时计算后台，将用户特征存储至高速缓存区；

通过所述实时计算后台，将用户标识映射成指定区间内的数字，并分配不同数字区间内的用户至不同的多个模型；及通过所述实时计算后台，调用所述多个模型从所述高速缓存区获取不同数字区间内的用户对应的用户特征，根据获取的用户特征进行用户行为预测，并将预测结果实时推荐至用户；

根据所述多个模型的预测效果，动态调节不同数字区间的大小；及若所述多个模型中的某个模型的预测效果高于预设阈值，则增大该预测效果高于预设阈值的模型所分配的用户数字区间。

2.如权利要求1所述的电子设备，其特征在于，所述“若所述多个模型中的某个模型的预测效果高于预设阈值，则增大该预测效果高于预设阈值的模型所分配的用户数字区间”，包括：

若某个模型的预测效果高于第一预设阈值，则将该预测效果高于第一预设阈值的模型所分配的用户数字区间增大第一比例；及若某个模型的预测效果高于第二预设阈值，则将该预测效果高于第二预设阈值的模型所分配的用户数字区间增大第二比例。

3.如权利要求1或2所述的电子设备，其特征在于，所述模型类继承一个统一的父类，所有模型的实现类通过统一的父类接口进行预测推荐；及所述不同数字区间包括第一数字区间和第二数字区间，并将第一数字区间内对应的用户分配至第一模型，第二数字区间内对应的用户分配至第二模型。

4.如权利要求1或2所述的电子设备，其特征在于，所述实时推荐系统被所述处理器执行时还用于实现如下步骤：

将不同模型的预测效果实时写入所述高速缓存区，并通过特定图表格式将不同模型的预测效果显示于设定的前端界面系统；及将每个预测项目的关键数据依据时间顺序统计生成报表，并将生成的报表显示于设定的前端界面系统。

5.一种实时推荐方法，应用于电子设备，其特征在于，所述方法包括：通过预定编程语言创建模型类，利用该模型类在特定的计算引擎上离线训练模型，并将训练得到的所有模型托管至实时计算后台；

通过所述实时计算后台，将用户特征存储至高速缓存区；

通过所述实时计算后台，将用户标识映射成指定区间内的数字，并分配不同数字区间内的用户至不同的多个模型；及通过所述实时计算后台，调用所述多个模型从所述高速缓存区获取不同数字区间内的用户对应的用户特征，根据获取的用户特征进行用户行为预测，并将预测结果实时推荐至用户；

根据所述多个模型的预测效果，动态调节不同数字区间的大小；及若所述多个模型中的某个模型的预测效果高于预设阈值，则增大该预测效果高于预设阈值的模型所分配的用户数字区间。

6.如权利要求5所述的实时推荐方法，其特征在于，“若所述多个模型中的某个模型的预测效果高于预设阈值，则增大该预测效果高于预设阈值的模型所分配的用户数字区间”，包括：

若某个模型的预测效果高于第一预设阈值，则将该预测效果高于第一预设阈值的模型所分配的用户数字区间增大第一比例；及若某个模型的预测效果高于第二预设阈值，则将该预测效果高于第二预设阈值的模型所分配的用户数字区间增大第二比例。

7.如权利要求5或6所述的实时推荐方法，其特征在于，所述模型类继承一个统一的父类，所有模型的实现类通过统一的父类接口进行预测推荐；及所述不同数字区间包括第一数字区间和第二数字区间，并将第一数字区间内对应的用户分配至第一模型，第二数字区间内对应的用户分配至第二模型。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有实时推荐系统，所述实时推荐系统可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求5‑7中任一项所述的实时推荐方法的步骤。