> Linux集群 > Hadoop >

海量数据的二度人脉挖掘算法(Hadoop 实现) .

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)