海量数据的二度人脉挖掘算法(Hadoop 实现)

openkk 11年前

      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,犹豫深度已经明确了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,这样做的效果一定没 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:

海量数据的二度人脉挖掘算法(Hadoop 实现)

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

    public void map(Text key, IntWritable values, Context context) throws IOException,InterruptedException{    int value = values.get();    //切分出两个用户id    String[] _key = Separator.CONNECTORS_Pattern.split(key.toString());    if(_key.length ==2){     //"f"前缀表示 follow;"b" 前缀表示 被follow     context.write(new Text(_key[0]), new Text("f"+_key[1]));     context.write(new Text(_key[1]), new Text("b"+_key[0]));              }   }

     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)

    protected void reduce(Text key, Iterable<TextPair> pairs, Context context)    throws IOException,InterruptedException{    StringBuilder first_follow = new StringBuilder();    StringBuilder second_befollow = new StringBuilder();        for(TextPair pair: pairs){        String id = pair.getFirst().toString();        String value = pair.getSecond().toString();     if(id.startsWith("f")){      first_follow.append(id.substring(1)).append(Separator.TABLE_String);     } else if(id.startsWith("b")){      second_befollow.append(id.substring(1)).append(Separator.TABLE_String);     }    }        context.write(key, new TextPair(first_follow.toString(),second_befollow.toString()));      }

     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:

海量数据的二度人脉挖掘算法(Hadoop 实现)

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

    public void map(Text key, TextPair values, Context context) throws IOException,InterruptedException{    Map<String, String> first_follow = new HashMap<String, String>();    Map<String, String> second_befollow = new HashMap<String, String>();    String _key = key.toString();    String[] follow = values.getFirst().toString().split(Separator.TABLE_String);        String[] second = values.getSecond().toString().split(Separator.TABLE_String);        for(String sf : follow){          first_follow.put(sf , _key );         }        for(String ss : second){          second_befollow.put(ss , _key );         }        for(Entry<String, String> f : first_follow.entrySet()){     for(Entry<String, String> b : second_befollow.entrySet()){      context.write(new TextPair(f.getKey() ,b.getKey()), new Text(key));     }    }      }

     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。

 protected void reduce(TextPair key, Iterable<Text> values, Context context)    throws IOException, InterruptedException {        StringBuilder resutl = new StringBuilder();    for (Text text : values){     resutl.append(text.toString()).append(",");    }        context.write(key, new Text(resutl.toString()));   }

     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,当然也基于二度人脉挖掘三度,四度:)

转自:http://my.oschina.net/BreathL/blog/75112