用Map/Reduce来做好友推荐

来源：互联网发布：parrot linux 编辑：程序博客网时间：2024/06/07 17:09

SNS网站都有一个功能，就是好友推荐(或者Follower推荐)。例如，在人人网上出现的“你可能认识的人”。怎么来实现呢，有一个很简单的办法。如果小刚和小明不是好友，但是他们有很多的共同好友。那么可以认为，A和B很可能相识。

从图论的讲法上看，就是先列出一个人(记为小A)的所有朋友的朋友，在寻找小A和这些人之间有多少长度为2的通路。将这些通路数排序，寻找最高的那几个就可以了。

所以我们的Map/Reduce的任务就是：找出所有人的十个Top“推荐好友”。

社会化网络的图一般都很简单。我们假设输入是按name排序的。

PHP
1
2
"ricky" => ["jay", "peter", "phyllis"]
"peter" => ["dave", "jack", "ricky", "susan"]

我们使用两轮Map/Reduce任务来完成这个操作。

第一轮MR任务

这个任务的目的是计算每一对距离是2的人之间的通路数。

在Map函数中，我们先将每对朋友做一个笛卡尔乘积，说的不大清楚，举个例子，比如
PHP
1
"ricky"=>["jay","john","mitch"]

那么结果就是
PHP
1
["jay", "john"], ["jay", "mitch"], ["john", "mitch"]

他们都是通过ricky牵线搭桥认识的。将已经是朋友的组合筛选掉，再排好序。传给Reducer。
在Reduce函数中, 相同的组合必定会传给Reducer。所以Reducer只要数好有几个相同的组合传给他就行了.

PHP
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
Inputrecord...  person->connection_list
e.g."ricky"=>["jay","john","mitch","peter"]
alsotheconnectionlistissortedbyalphabeticalorder
 
defmap(person,connection_list)
  # Compute a cartesian product using nested loops
  foreachfriend1inconnection_list
    # Eliminate all 2-degree pairs if they already
    # have a one-degree connection
    emit([person,friend1,0])
    foreachfriend2>friend1inconnection_list
        emit([friend1,friend2,1],  1)
 
defpartition(key)
  #use the first two elements of the key to choose a reducer
  returnsuper.partition([key[0],key[1]])
 
defreduce(person_pair,frequency_list)
  # Check if this is a new pair
  if@current_pair!=[person_pair[0],person_pair[1]]
      @current_pair=[person_pair[0],person_pair[1]]
      # Skip all subsequent pairs if these two person
      # already know each other
      @skip=trueifperson_pair[2]==0
 
  if!skip
      path_count=0
      foreachcountinfrequency_list
          path_count+=count
      emit(person_pair,path_count)
 
Outputrecord...person_pair=>path_count
e.g.["jay","john"]=>5

第二轮MR任务

这一轮的MR任务是为了列出每个人距离为2的好友，查出他们直接究竟有几条路径。

在Map函数中，我们将每一组数据重新排列，保证一个人信息落在一个reducer上
在Reduce函数中，只要将每个人的可能好友之间的路径数排个序就可以了.

PHP
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Inputrecord=Outputrecordofround1
 
defmap(person_pair,path_count)
  emit([person_pair[0],path_count],person_pair[1])
 
defpartition(key)
  #use the first element of the key to choose a reducer
  returnsuper.partition(key[0])
 
defreduce(connection_count_pair,candidate_list)
  # Check if this is a new person
  if@current_person!=connection_count_pair[0]
      emit(@current_person,@top_ten)
      @top_ten=[]
      @current_person=connection_count_pair[0]
 
  #Pick the top ten candidates to connect with
  if@top_ten.size<10
      foreachcandidateincandidate_list
          @top_ten.append([candidate,connection_count_pair[1]])
          breakif@pick_count>10
 
Outputrecord...person->candidate_count_list
 
e.g.  "ricky"=>[["jay",5],  ["peter",3]...]

Follower推荐
如果我想要做Follower推荐而不是好友推荐怎么办呢？
很简单。只要将第一步的MR任务改为求“Follow关系”和“Followed”关系的笛卡尔乘积就可以了。这里就不列伪码了。

参考地址：http://horicky.blogspot.com/

jaogoy 2010 年 8 月 16 日在下午 2:33

这个应用只需要一轮mapreduce就可以完成：
1、在mapper输出时，设置partitioner为按friend1来分桶，于是同一个friend1的就到一个reducer中了
2、reducer中，对同一个friend1且同friend2的求count，并且保存到一个top_ten数组，当有新的的count大于top_ten中的最小count时，进行替代。最终得到friend1的top_ten

说明：
1、mapper中可以同时输出(friend1,friend2),(friend2,friend1)
2、mapper中可以输出介绍人，在reducer中将每个pair的介绍人求和

yankay 2010 年 8 月 17 日在下午 12:30
好主意。我也觉得第二次MR有一些鸡肋，但没能去掉。
Thanks