首页 资讯 社群 我的社区 搜索

数据分析之共同好友统计

zhupei
2018-10-11 17:35:41

  今天主要分享一个统计共同好友的案例,非常简单也非常实用的一个小案例,对于数据分析初级开发人员是很好的入门资料。

下面先来看一下原始数据:

A:B,C,D,F,E,O
B:A,C,E,K
C:F,A,D,I
D:A,E,F,L
E:B,C,D,M,L
F:A,B,C,D,E,O,M
G:A,C,D,E,F
H:A,C,D,E,O
I:A,O
J:B,O
K:A,C,D
L:D,E,F
M:E,F,G
O:A,H,I,J

  上面这段数据的意思是:A的好友有B,C,D,F,E,O,B的好友有A、C、E、K,其他的按理类推。其中:用户和好友之间在这里以冒号分隔开,好友之间用逗号隔开。

  当我们拿到这段数据的时候,该如何下手呢?

  首先可以先两两合并为一组,然后找有相同的元素。例如可以分为AB、AC、AD、BC、BD.....等

  找共同好友就是可以把AB求交集,然而这种方法在这里是不太可行的,那么我们可以逆向思维,反过来找,

  例如找到第一行,B是A的朋友,C是A的朋友,然后就可以有K、V。

  在A:B,C,D,F,E,O中B是A的朋友,在F:A,B,C,D,E,O,M中,B是F的朋友,则我们就可以认为A和F的共同好友是B,以这个B为K,依次类推。

则A是BDFGHIKO的共同好友    
B是AEFJ,的共同好友

C是ABEFGHK的共同好友

D是ACEFGHKL的共同好友

  即当一个mapper执行结束后悔得到上面这些结果,然后再来一个mapreduce。



  得到两两之间应该共同好友:

A:BD-A BF-A BG-A BH-A BI-A BK-A BO-A

B: AE-B AF-B AJ-B

C: AB-C AE-C AF-C ... BF-C BG-C  BH-C  ...

  依次类推,这样就得到了共同好友了!

  接下来用代码来实现:

String line=value.toString();   //一行行的读取数据
String[] split=line.split(":"); //把读到的数据切分开,前面说过的用冒号分开好友
String person=split[0]; //自己就是分开的数组的第0位

String[] friends=split[1].split(","); //好友是数组的第1位,而且以逗号隔开的

  下面循环这些值,并写入到Text中:

for(String f:friends){
context.write(new Text(f), new Text(person));
}

  然后提交给reduce来执行:再来一个循环和写入。

StringBuffer sb=new  StringBuffer();

for(Text person:persons){
sb.append(person+",");
}
context.write(friend, new Text(sb.toString()));
}

  最后在main方法中调用map和reduce。

//指定本job使用的mapper类
wcjob.setMapperClass(CommonFriendsOneMapper.class);
//指定本job使用的reducer类
wcjob.setReducerClass(CommonFriendsOneReducer.class);

  完整代码如下:

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class CommonFriendsOne {


public static class CommonFriendsOneMapper extends Mapper<LongWritable, Text, Text, Text> {

@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

String line=value.toString();
String[] split=line.split(":");
String person=split[0];

String[] friends=split[1].split(",");

for(String f:friends){
context.write(new Text(f), new Text(person));

}
}
}
public static class CommonFriendsOneReducer extends Reducer<Text, Text, Text, Text> {

// 输入<B->A><B->E><B->F>....
// 输出 B A,E,F,J
@Override
protected void reduce(Text friend, Iterable<Text> persons, Context context) throws IOException, InterruptedException {
StringBuffer sb=new StringBuffer();

for(Text person:persons){
sb.append(person+",");
}
context.write(friend, new Text(sb.toString()));
}
}

public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
//读取classpath下的所有xxx-site.xml配置文件,并进行解析
Configuration conf = new Configuration();

Job wcjob = Job.getInstance(conf);

//通过主类的类加载器机制获取到本job的所有代码所在的jar包
wcjob.setJarByClass(CommonFriendsOne.class);

//指定本job使用的mapper类
wcjob.setMapperClass(CommonFriendsOneMapper.class);
//指定本job使用的reducer类
wcjob.setReducerClass(CommonFriendsOneReducer.class);


//指定reducer输出的kv数据类型
wcjob.setOutputKeyClass(Text.class);
wcjob.setOutputValueClass(Text.class);

//指定本job要处理的文件所在的路径
FileInputFormat.setInputPaths(wcjob, new Path(args[0]));
//指定本job输出的结果文件放在哪个路径
FileOutputFormat.setOutputPath(wcjob, new Path(args[1]));

//将本job向hadoop集群提交执行
boolean res = wcjob.waitForCompletion(true);

System.exit(res?0:1);

}

}

  可以按照我之前博文的方法:将这个文件打成一个jar包,然后提交到hadoop集群中运行。
在hadoop中新建数据文件和目录。

 bin/hadoop fs -mkdir -p /friends/data

  然后上传源数据

 bin/hadoop fs -put ../lx/data.txt  /friends/data

执行jar

bin/hadoop jar ../lx/friends.jar  cn.tf.friends.CommonFriendsOne  /friends/data  /friends/output

  查看执行情况:

bin/hadoop fs -cat /friends/output/part-r-00000

  运行效果如下:


  到这里整个流程就分析完毕了。

用户评论