hadoop之MapReduce推薦系統(tǒng)實(shí)戰(zhàn)

需求背景

前邊已經(jīng)使用mapReduce找到了每個(gè)月中溫度最高的兩天?，F(xiàn)在我們來(lái)看看平時(shí)的社交軟件，推薦系統(tǒng)的機(jī)制是怎樣的，其實(shí)也是非常簡(jiǎn)單。如下圖所示，我們需要給每個(gè)人推薦好友，既然是推薦的，肯定需要符合以下規(guī)則：

1 兩人不能是好友

2 兩人最有可能認(rèn)識(shí)，定義關(guān)系鏈條只能跨越一個(gè)人，不能跨越兩個(gè)人。

例如，可以推薦的人：

從下圖，我們可以看出來(lái)，要給劉備推薦的好友列表是：諸葛亮（徐庶推薦），馬超（劉璋推薦）,貂蟬（袁紹推薦），呂布（袁紹推薦），夏侯惇（曹操推薦），龐統(tǒng)（魯肅推薦），孫權(quán)（魯肅推薦）。

不可以推薦的人：

趙子龍，因?yàn)橐呀?jīng)跨越了徐庶和諸葛亮兩個(gè)人了。曹操，因?yàn)閯浜筒懿倬褪呛糜选?/p>

接下來(lái)我們知道了規(guī)則之后，我們先將圖譜分為兩個(gè)map，其中一個(gè)map用來(lái)匹配直接關(guān)系，一個(gè)map用來(lái)匹配間接關(guān)系。然后從間接關(guān)系中排除掉直接關(guān)系，剩下的就是可以推薦的人選。

直接好友

如下圖示例，我們先列出來(lái)這22個(gè)人的直接關(guān)系數(shù)據(jù)，只要是兩者相連的的，肯定是直接好友。

間接好友：

如下圖，由于一個(gè)人的朋友圈的人，很可能相互認(rèn)識(shí)，所以只要是和這個(gè)人認(rèn)識(shí)的，都是間接好友關(guān)系。當(dāng)然，可能這兩個(gè)間接好友，早都已經(jīng)加了好友了。

劉備認(rèn)識(shí)曹操，曹操圈子里，劉備和夏侯惇是間接好友關(guān)系。然后我們看到劉備的直接好友里面沒(méi)有夏侯惇，這個(gè)時(shí)候我們就可以通過(guò)曹操給劉備推薦夏侯惇。

然后，雖然曹操圈子里，關(guān)羽和劉備是間接好友關(guān)系，但是我們?cè)趧浜糜蚜斜碇姓业搅岁P(guān)羽，是直接好友。所以不能通過(guò)曹操給劉備推薦關(guān)羽。

而且我們看到了，目前只有22個(gè)人的時(shí)候，我們可以很輕松的列出來(lái)直接好友關(guān)系，但是間接好友的數(shù)據(jù)量就會(huì)是比較龐大的。因此我們開(kāi)始借助程序來(lái)完成好友推薦功能。

數(shù)據(jù)模型

首先第一步當(dāng)然是根據(jù)需求來(lái)構(gòu)建我們的數(shù)據(jù)模型了，讓我們的程序能夠更好的批量處理數(shù)據(jù)之間的關(guān)系。以下便是我們此次構(gòu)建出來(lái)的數(shù)據(jù)模型，每一行代表第一個(gè)人與后邊的人都是直接好友關(guān)系。(數(shù)據(jù)模型后續(xù)有更改，不可直接搬運(yùn)，不過(guò)出錯(cuò)了可以自己調(diào)節(jié)也算是鍛煉?。?！)

上傳數(shù)據(jù)文件

數(shù)據(jù)模型建立好之后，我們就該上傳文件至hdfs了。

hdfs dfs -D dfs.blocksize=1048576 -put friend.txt /data/friend/input

編寫程序

mapper

map中，我們主要是通過(guò)遍歷每一行，來(lái)將每一行的直接朋友關(guān)系和間接朋友關(guān)系寫入文件中。很顯然，每一行的第一列和后邊的所有列都是直接好友。從第二列開(kāi)始，兩兩互成間接好友關(guān)系。同時(shí)我們將兩個(gè)人關(guān)系進(jìn)行排序，否則，劉備-關(guān)羽，和關(guān)羽-劉備 程序會(huì)識(shí)別為不同的組合。

/**
 * @author Ted
 * @version 1.0
 * @date 2022/2/2 16:19
 */
public class FMapper extends Mapper<LongWritable,Text,Text,IntWritable> {

Text mkey = new Text();
IntWritable mval = new IntWritable();

/**
     * 劉備 劉璋 關(guān)羽 徐庶 張飛 袁紹 曹操 魯肅
     * 徐庶 諸葛亮 劉備
     * 袁紹 呂布 劉備 曹操 貂蟬
     * @param key
     * @param value
     * @param context
     * @throws IOException
     * @throws InterruptedException
     */
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
//value:劉備 劉璋 關(guān)羽 徐庶 張飛 袁紹 曹操 魯肅
        String[] directFriends = StringUtils.split(value.toString(), ' ');

//間接關(guān)系為1 ， 直接關(guān)系為 0
        for (int i=1;i<directFriends.length;i++){
mkey.set(getFriendPair(directFriends[0],directFriends[i]));
mval.set(0);
// 寫入文件
            context.write(mkey,mval);
for (int j=i+1;j<directFriends.length;j++){
mkey.set(getFriendPair(directFriends[i],directFriends[j]));
mval.set(1);
//寫入文件
                context.write(mkey,mval);
}
}

}

/**
     * 排序
     * @param person1
     * @param person2
     * @return
     */
public static String getFriendPair(String person1,String person2){
if(person1.compareTo(person2)>0){
return person1+"-"+person2;
}else {
return person2+"-"+person1;
}
}

}

reducer

reduce中，我們對(duì)map產(chǎn)生的文件進(jìn)行讀取，由于兩兩一組，value是0代表直接關(guān)系，value是1代表間接關(guān)系。我們判斷如果這兩人有直接關(guān)系，存在為0的情況，這組推薦關(guān)系拋棄掉。如果都是1，我們就將每一組相同的key值相加，來(lái)判斷間接關(guān)系的權(quán)重。

/**
 * @author Ted
 * @version 1.0
 * @date 2022/2/2 16:33
 */
public class FReduce extends Reducer<Text,IntWritable,Text,IntWritable> {

IntWritable rValue = new IntWritable();

/**
     * 一組key值   每個(gè)key代表的是某個(gè)兩個(gè)人，同時(shí)分到一個(gè)組，值就是這兩個(gè)人到底是直接朋友，還是間接朋友
     * 如果最后循環(huán)最后，沒(méi)有一個(gè)是0的，那么兩個(gè)人肯定是間接關(guān)系，rValue就是間接關(guān)系的深度
     * 如果間接關(guān)系深厚，關(guān)聯(lián)的好友很多，那么就優(yōu)先推薦。
     * @param key
     * @param values
     * @param context
     * @throws IOException
     * @throws InterruptedException
     */
@Override
protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
// 劉備 關(guān)羽 0
        // 劉備 關(guān)羽 0
        // 劉備 關(guān)羽 1
        // 劉備 關(guān)羽 1
        int flag = 0;
int sum = 0;

for (IntWritable val: values){
if(val.get()==0){
flag = 1;
}
sum = val.get();
}

if(flag == 0){
rValue.set(sum);
context.write(key,rValue);
}
}
}

客戶端程序

/**
 * @author Ted
 * @version 1.0
 * @date 2022/2/2 16:16
 */
public class MyFriend {

public static void main(String[] args) throws Exception{
Configuration configuration = new Configuration(true);
// 獲取客戶端啟動(dòng) 指定參數(shù)列表
        String[] params = new GenericOptionsParser(configuration, args).getRemainingArgs();

configuration.set("mapreduce.app-submission.cross-platform","true");

// 創(chuàng)建任務(wù)
        Job job = Job.getInstance(configuration);
job.setJarByClass(MyFriend.class);
job.setJobName("myFriend");
job.setJar("D:\\javaEngineer\\javaproject\\hadoop\\hadoophdfs\\target\\hadoop-hdfs-1.0-0.1.jar");

// 輸入路徑
        TextInputFormat.addInputPath(job,new Path(params[0]));
Path outputFile = new Path(params[1]);
if(outputFile.getFileSystem(configuration).exists(outputFile)){
outputFile.getFileSystem(configuration).delete(outputFile,true);
}
// 輸出路徑
        TextOutputFormat.setOutputPath(job,outputFile);
// 設(shè)置Map 參數(shù)
        job.setMapperClass(FMapper.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);

//設(shè)置reduce參數(shù)
        job.setReducerClass(FReduce.class);
// 執(zhí)行任務(wù) 等待結(jié)束
        job.waitForCompletion(true);
}

}

啟動(dòng)hadoop集群

程序?qū)懞昧?，接下?lái)當(dāng)然是啟動(dòng)我們的hadoop集群了。

配置啟動(dòng)參數(shù)

接下來(lái)我們來(lái)指定mapReduce需要的參數(shù)，其中輸入路徑和輸出路徑是最基本的要求，剩下的排序分組分區(qū)我們都采用系統(tǒng)默認(rèn)的方式。

啟動(dòng)客戶端

然后我們開(kāi)始運(yùn)行客戶端，得到如下文件。

hdfs dfs -ls -R /data/friend

我們可以看看里面的內(nèi)容是不是和真實(shí)的場(chǎng)景相吻合。

hdfs dfs -cat /data/friend/output/part-r-00000

亂碼

分析原因

可以看到上傳的文件也是亂碼的。

將文件另存為為UTF-8編碼格式之后，文件正常

重啟客戶端

輸出結(jié)果如下。

劉璋-關(guān)羽 1
呂布-劉備   1
周瑜-劉備   1
夏侯惇-關(guān)羽  1
夏侯惇-劉備  1
孫權(quán)-關(guān)羽   1
孫權(quán)-劉備   1
孫權(quán)-夏侯惇  1
孫權(quán)-大喬   1
孫策-周瑜   1
孫策-大喬   1
小喬-周瑜   1
小喬-孫權(quán)   1
龐統(tǒng)-劉備   1
龐統(tǒng)-周瑜   1
龐統(tǒng)-孫權(quán)   1
張飛-劉璋   1
徐庶-關(guān)羽   1
徐庶-劉璋   1
徐庶-張飛   1
曹操-劉璋   1
曹操-呂布   1
曹操-周瑜   1
曹操-孫策   1
曹操-張飛   1
曹操-徐庶   1
袁紹-關(guān)羽   1
袁紹-劉璋   1
袁紹-夏侯惇  1
袁紹-孫權(quán)   1
袁紹-張飛   1
袁紹-徐庶   1
諸葛亮-劉備  1
諸葛亮-周瑜  1
諸葛亮-孫權(quán)  1
諸葛瑾-孫策  1
諸葛瑾-徐庶  1
諸葛瑾-曹操  1
貂蟬-劉備   1
貂蟬-曹操   1
趙子龍-徐庶  1
趙子龍-諸葛瑾 1
馬超-劉備   1
魯肅-關(guān)羽   1
魯肅-劉璋   1
魯肅-大喬   1
魯肅-孫策   1
魯肅-張飛   1
魯肅-徐庶   1
魯肅-曹操   1
魯肅-袁紹   1
魯肅-諸葛瑾  1
黃忠-徐庶   1
黃忠-諸葛瑾  1
黃忠-趙子龍  1

我們截取給曹操推薦的朋友圈人選

曹操-劉璋 1 曹操-呂布 1 曹操-周瑜 1 曹操-孫策 1 曹操-張飛 1 曹操-徐庶 1
魯肅-曹操 1 貂蟬-曹操 1 諸葛瑾-曹操 1

再來(lái)看下關(guān)系圖譜，可以看出來(lái)是正確的，權(quán)重關(guān)系都為1。

增加復(fù)雜度

接下來(lái)我們?cè)黾右幌玛P(guān)系復(fù)雜度，讓徐庶加張飛和關(guān)羽好友，讓諸葛亮加劉備為好友，接下來(lái)，諸葛亮通過(guò)徐庶和劉備兩個(gè)人，會(huì)和張飛關(guān)羽分別產(chǎn)生兩次間接關(guān)系。圖譜變?yōu)槿缦聵幼樱?/p>

數(shù)據(jù)模型變?yōu)槿缦聵幼?，再次上傳文件，運(yùn)行客戶端程序。

得到結(jié)果如下，發(fā)現(xiàn)并不是想象的樣子。

取消reduce

接下來(lái)我們?nèi)∠鹯educe任務(wù)，只進(jìn)行輸出map文件，來(lái)調(diào)節(jié)bug。

// 如果將reduce任務(wù)設(shè)置為0，那么就可以得到map輸出
        job.setNumReduceTasks(0);

輸出map文件如下：

很明顯，從map中，我們看到了兩個(gè)諸葛亮-關(guān)羽，兩個(gè)諸葛亮-張飛，因此reduce中的代碼是有錯(cuò)誤的。并沒(méi)有正確完成權(quán)重相加。

最后發(fā)現(xiàn)代碼書(shū)寫錯(cuò)誤，居然只寫了等于號(hào)。

修改代碼，程序正確之后，我們重新maven打包。一定要maven打包，不然jar中的代碼還是原先的代碼。

添加reduce

修改代碼，再次開(kāi)放reduce任務(wù)。獲取結(jié)果如下?？梢钥吹?，諸葛亮-關(guān)羽的權(quán)重是2，諸葛亮-張飛的權(quán)重是2，應(yīng)該優(yōu)先給諸葛亮推送張飛和關(guān)羽這兩位好朋友。

最終結(jié)果如下圖，我們可以總hadoop的web端下載文件。

劉璋-關(guān)羽 1
呂布-劉備   1
周瑜-劉備   1
夏侯惇-關(guān)羽  1
夏侯惇-劉備  1
孫權(quán)-關(guān)羽   1
孫權(quán)-劉備   2
孫權(quán)-夏侯惇  1
孫權(quán)-大喬   1
孫策-周瑜   1
孫策-大喬   1
小喬-周瑜   1
小喬-孫權(quán)   1
龐統(tǒng)-劉備   1
龐統(tǒng)-周瑜   1
龐統(tǒng)-孫權(quán)   1
張飛-劉璋   1
徐庶-劉璋   1
曹操-劉璋   1
曹操-呂布   1
曹操-周瑜   1
曹操-孫策   1
曹操-張飛   2
曹操-徐庶   1
袁紹-關(guān)羽   2
袁紹-劉璋   1
袁紹-夏侯惇  1
袁紹-孫權(quán)   1
袁紹-張飛   1
袁紹-徐庶   1
諸葛亮-關(guān)羽  2
諸葛亮-劉璋  1
諸葛亮-周瑜  1
諸葛亮-孫權(quán)  1
諸葛亮-張飛  2
諸葛亮-曹操  1
諸葛亮-袁紹  1
諸葛瑾-劉備  1
諸葛瑾-孫策  1
諸葛瑾-徐庶  1
諸葛瑾-曹操  1
貂蟬-劉備   1
貂蟬-曹操   1
趙子龍-劉備  1
趙子龍-徐庶  1
趙子龍-諸葛瑾 1
馬超-劉備   1
魯肅-關(guān)羽   1
魯肅-劉璋   1
魯肅-大喬   1
魯肅-孫策   1
魯肅-張飛   1
魯肅-徐庶   1
魯肅-曹操   2
魯肅-袁紹   1
魯肅-諸葛亮  1
魯肅-諸葛瑾  1
黃忠-劉備   1
黃忠-徐庶   1
黃忠-諸葛瑾  1
黃忠-趙子龍  1