海量数据的二度人脉挖掘算法（Hadoop 实现） .
时间:2014-07-24 00:28 来源:linux.it.net.cn 作者:it
原创博客，转载请注明：http://my.oschina.net/BreathL/blog/75112
最近做了一个项目，要求找出二度人脉的一些关系，就好似新浪微博的“你可能感兴趣的人” 中，间接关注推荐；简单描述：即你关注的人中有N个人同时都关注了 XXX 。
在程序的实现上，其实我们要找的是：若 User1 follow了10个人 ｛User3，User4，User5，... ，User12｝记为集合UF1，那么 UF1中的这些人，他们也有follow的集合，分别是记为： UF3（User3 follow的人），UF4，UF5，...，UF12；而在这些集合肯定会有交集，而由最多集合求交产生的交集，就是我们要找的：感兴趣的人。
我在网上找了些，关于二度人脉算法的实现，大部分无非是通过广度搜索算法来查找，由于深度已经明确了2以内；这个算法其实很简单，第一步找到你关注的人；第二步找到这些人关注的人，最后找出第二步结果中出现频率最高的一个或多个人，即完成。
但如果有千万级别的用户，那在运算时，就肯定会把这些用户的follow 关系放到内存中，计算的时候依次查找；先说明下我没有明确的诊断对比，这样做的效果不一定就不如 基于hadoop实现的好；只是自己，想用hadoop实现下，最近也在学；若有不足的地方还请指点。
首先，我的初始数据是文件，每一行为一个follow 关系 ida+‘\t’+idb；表示 ida follow idb。其次，用了2个Map/Reduce任务。
Map/Reduce 1：找出 任意一个用户 的 follow 集合与 被 follow 的集合。如图所示：
代码如下：
Map任务： 输出时 key ：间接者 A 的ID ，value：follow 的人的ID 或 被follow的人的ID
01
public void map(Text key, IntWritable values, Context context) throws IOException,InterruptedException{
02
int value = values.get();
03
//切分出两个用户id
04
String[] _key = Separator.CONNECTORS_Pattern.split(key.toString());
05
if(_key.length ==2){
06
//"f"前缀表示 follow；"b" 前缀表示 被follow
07
context.write(new Text(_key[0]), new Text("f"+_key[1]));
08
context.write(new Text(_key[1]), new Text("b"+_key[0]));
09
10
11
}
12
}
Reduce任务： 输出时 key ：间接者 A 的ID ， value为 两个String，第一个而follow的所有人（用分割符分割），第二个为 被follow的人（同样分割）
01
protected void reduce(Text key, Iterable<TextPair> pairs, Context context)
02
throws IOException,InterruptedException{
03
StringBuilder first_follow = new StringBuilder();
04
StringBuilder second_befollow = new StringBuilder();
05
06
for(TextPair pair: pairs){
07
String id = pair.getFirst().toString();
08
String value = pair.getSecond().toString();
09
if(id.startsWith("f")){
10
first_follow.append(id.substring(1)).append(Separator.TABLE_String);
11
} else if(id.startsWith("b")){
12
second_befollow.append(id.substring(1)).append(Separator.TABLE_String);
13
}
14
}
15
16
context.write(key, new TextPair(first_follow.toString(),second_befollow.toString()));
17
}
其中Separator.TABLE_String为自定义的分隔符；TextPair为自定义的 Writable 类，让一个key可以对应两个value，且这两个value可区分。
Map/Reduce 2：在上一步关系中，若B follow A，而 A follow T ，则可以得出 T 为 B 的二度人脉，且 间接者为A ，于是找出 相同二度人脉的不同间接人。如图所示：
代码如下：
Map 任务：输出时 key 为 由两个String 记录的ID表示的 二度人脉关系，value 为 这个二度关系产生的间接人的ID
01
public void map(Text key, TextPair values, Context context) throws IOException,InterruptedException{
02
//Map<String, String> first_follow = new HashMap<String, String>();
03
//Map<String, String> second_befollow = new HashMap<String, String>();
04
//String _key = key.toString();
05
String[] follow = values.getFirst().toString().split(Separator.TABLE_String);
06
07
String[] befollow = values.getSecond().toString().split(Separator.TABLE_String);
08
09
for(String f : follow){
10
for(String b : befollow){
11
//避免自己关注自己
12
if(!f.equals(b)){
13
context.write(new TextPair(f.getKey() ,b.getKey()), new Text(key));
14
}
15
}
16
}
17
}
Reduce任务：输出时 key 仍然为二度人脉关系， value 为所有间接人 的ID以逗号分割。
01
protected void reduce(TextPair key, Iterable<Text> values, Context context)
02
throws IOException, InterruptedException {
03
04
StringBuilder resutl = new StringBuilder();
05
for (Text text : values){
06
resutl.append(text.toString()).append(",");
07
}
08
09
context.write(key, new Text(resutl.toString()));
10
}
到这步，二度人脉关系基本已经挖掘出来，后续的处理就很简单了，当然也可以基于二度人脉挖掘三度，四度：）
(责任编辑：IT)
原创博客，转载请注明：http://my.oschina.net/BreathL/blog/75112
(责任编辑：IT)最近做了一个项目，要求找出二度人脉的一些关系，就好似新浪微博的“你可能感兴趣的人” 中，间接关注推荐；简单描述：即你关注的人中有N个人同时都关注了 XXX 。 在程序的实现上，其实我们要找的是：若 User1 follow了10个人 ｛User3，User4，User5，... ，User12｝记为集合UF1，那么 UF1中的这些人，他们也有follow的集合，分别是记为： UF3（User3 follow的人），UF4，UF5，...，UF12；而在这些集合肯定会有交集，而由最多集合求交产生的交集，就是我们要找的：感兴趣的人。 我在网上找了些，关于二度人脉算法的实现，大部分无非是通过广度搜索算法来查找，由于深度已经明确了2以内；这个算法其实很简单，第一步找到你关注的人；第二步找到这些人关注的人，最后找出第二步结果中出现频率最高的一个或多个人，即完成。 但如果有千万级别的用户，那在运算时，就肯定会把这些用户的follow 关系放到内存中，计算的时候依次查找；先说明下我没有明确的诊断对比，这样做的效果不一定就不如 基于hadoop实现的好；只是自己，想用hadoop实现下，最近也在学；若有不足的地方还请指点。
首先，我的初始数据是文件，每一行为一个follow 关系 ida+‘\t’+idb；表示 ida follow idb。其次，用了2个Map/Reduce任务。 Map/Reduce 1：找出 任意一个用户 的 follow 集合与 被 follow 的集合。如图所示：
代码如下： Map任务： 输出时 key ：间接者 A 的ID ，value：follow 的人的ID 或 被follow的人的ID
Reduce任务： 输出时 key ：间接者 A 的ID ， value为 两个String，第一个而follow的所有人（用分割符分割），第二个为 被follow的人（同样分割）
其中Separator.TABLE_String为自定义的分隔符；TextPair为自定义的 Writable 类，让一个key可以对应两个value，且这两个value可区分。
Map/Reduce 2：在上一步关系中，若B follow A，而 A follow T ，则可以得出 T 为 B 的二度人脉，且 间接者为A ，于是找出 相同二度人脉的不同间接人。如图所示：
代码如下： Map 任务：输出时 key 为 由两个String 记录的ID表示的 二度人脉关系，value 为 这个二度关系产生的间接人的ID
Reduce任务：输出时 key 仍然为二度人脉关系， value 为所有间接人 的ID以逗号分割。
到这步，二度人脉关系基本已经挖掘出来，后续的处理就很简单了，当然也可以基于二度人脉挖掘三度，四度：） |