首页 > 代码库 > hadoop1-商品推荐之商品关联性最简易建模1

hadoop1-商品推荐之商品关联性最简易建模1

1、如题,这是自己通过在QQ交流上得到的一个想法。

2、

数据文件 1.txt:

001={001,002,004,006,008}  003={003,002,001,009,004}

002={002,003,005,006,008,009,007}  004={004,005,006,009,008,007}

005={005,003,007,008,001,002}  006={006,001,004,009,005,008}

说明:

  1、  每一个数字代表一个商品Id

  2、  每一行中有两个商品,每个商品ID后={}内部代表的是从001这个商品直接跳转到{里面商品}的记录。商品自身属于一个跳转

如:         001——》002

               001——》004

                    …..

               得到对应的记录为:001={001,002,004,006,008}

        3、每一行两个商品对应的{}相同的商品ID为表示一个关联

                   如:001={001,002,004,006,008}             003={003,002,001,009,004}

                   对应关联的有:001,002,004亦即3个关联

3、  要求reduce输出为001:003=3

  即:商品001和商品003的关联性为3

设计目的:

         通过两两商品的关联性对比,得到商品的最优推荐(比较简单的啊)。

思路分析:

  1、  map端:得到商品A和商品B的ID组合为key,

         同时分割行得到关联商品交集的数量作为value输出

     2、reducer端原样输出,不做处理(可以使用默认的reducer)

设计代码:

  

package product;import java.util.ArrayList;import java.util.Arrays;import java.util.List;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.IntWritable;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.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import org.apache.hadoop.util.GenericOptionsParser;public class SimpleRelation {	public static class Map extends Mapper<LongWritable, Text, Text, IntWritable>{		private static Text k = new Text();		private static IntWritable v = new IntWritable(0);				protected void map(LongWritable key, Text value, Context context) 				throws java.io.IOException ,InterruptedException {			// line demo :"001={001,002,004,006,008}\t003={003,002,001,009,004}"			String line = value.toString();			//分割为两个商品信息			String[] splits = line.split("\t");			if(splits.length != 2)				return;			//对每个商品信息进行分割			String[] proc1 = splits[0].split("=");			String[] proc2 = splits[1].split("=");						k.set(proc1[0]+":"+proc1[0]);			v.set(getSameNum(proc1[1],proc2[1]));						context.write(k, v);		};		//取得交集的数量,此部分或可以优化		private int getSameNum(String str1, String str2) {			//str1 = "{001,002,004,006,008}" str2 = "{003,002,001,009,004}"			//取交集即可。			//取得对应的list集合,Arrays.asList返回的是固定大小的list,仅能查,不能修改,所以上面采用手工赋值的方式			List<String> proc1 = new ArrayList<String>();			String[] temp = str1.substring(1, str1.length()-1).split(",");			for (String s : temp) {				proc1.add(s);			}			List<String> proc2 = Arrays.asList(str2.substring(1, str2.length()-1).split(","));			//该方法从列表中移除未包含在指定 proc2 中的所有元素。 			proc1.retainAll(proc2);			return proc1.size();		}	}	// 仅使用map即可得到解决,reducer采用系统默认的即可	public static void main(String[] args) throws Exception {		Configuration conf = new Configuration();		String[] otherArgs = new GenericOptionsParser(conf,args).getRemainingArgs();		if(otherArgs.length != 2){			System.err.println("Usage:SimpleRelation");			System.exit(2);		}		Job job = new Job(conf,"SimpleRelation");		job.setJarByClass(SimpleRelation.class);				job.setMapperClass(Map.class);				job.setMapOutputKeyClass(Text.class);		job.setMapOutputValueClass(IntWritable.class);		job.setOutputKeyClass(Text.class);		job.setOutputValueClass(IntWritable.class);				FileInputFormat.addInputPath(job, new Path(args[0]));		FileOutputFormat.setOutputPath(job, new Path(args[1]));				System.exit(job.waitForCompletion(true) ? 0 : 1);	}}

 

程序输出:

[root@hadoop ~]# hadoop dfs -cat /output/*

 001:001 3

 002:002 5

 005:005 3

当然程序比较简单,毕竟是自己设计的,不过往下会一步步应用我们所学的。