hadoop實現求共同好友
前言
在很多社交APP中，比如大家熟悉的QQ好友列表中，開啟對談框，經常可以看到下面有一欄共同好友的推薦列表，使用者通過這種方式，可以新增潛在的關聯好友
這種功能該如何實現呢？對redis比較瞭解的同學應該能很快想到，可以使用redis來實現這個功能。沒錯，redis確實是個不錯的可以實現這個功能的方案。
但redis的實現有一定的侷限性，因為redis儲存和資料和計算時需要耗費較多的記憶體資源，設想一下，像騰訊QQ這樣的規模，如果用這種方式做的話，估計Redis伺服器的投入成本將是一筆不小的開銷。
利用hadoop中的MapReduce同樣可以實現這個功能，該如何實現呢？
業務分析
下面是原始的資料檔案，第一欄可理解為本人，第二行為該使用者的好友列表，以逗號分割，比如A使用者的好友包括：B,C,D,F,E,O這幾個，後面的行依次類推
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
現在的需求是：通過原始的資料檔案，輸出該檔案中所有使用者中哪些人兩兩之間存在共同好友並輸出，格式如下：
A-B C,E
A-C F,D
A-D E,F
......
實現思路分析
步驟一：將原始資料拆分為如下格式
通過這一步，得到一組K/V，可以清晰的反映出一個使用者的所有好友
B：A #B是A的好友
C：A #C是A的好友
D：A #D是A的好友
F：A
E：A
O：A
A：B
C：B
E：B
K：B
F：C
A：C
D：C
I：C
B：E
C：E
D：E
M：E
L：E
步驟二、對第一步的資料進一步處理成如下格式
從第一步格式完畢後的資料，可以很明顯看出並總結出一個規律，那就是左邊那些使用者的好友列表，以C使用者為例，可以看出C這個使用者有A,B,E三個好友，反過來講，ABE這三個使用者，他們有一個共同的好友A
其他的類推進行理解
C A-B-E #C是A和B和E的共同好友
D A-C #D是A和B的共同好友
A B-C #A是B和C的共同好友
B A-E #A是E和B的共同好友
......
步驟三、將步驟二中的資料調換位置
從步驟2中我們得知，C的好友有ABE，反過來說，ABE他們的共同好友有C，針對這種超過3個的，可以考慮下一步進行兩兩組合即可
A-B-E C #A、B、E有共同好友C
A-C D #A與C有共同好友D
B-C A #B與C有共同好友A
A-E B #A與E有共同好友B
步驟四、將步驟三得到的資料繼續拆分
步驟三中，像 ： A-B-E C 這種資料，顯然需要進一步拆分，因為最終的結果是求取兩兩好友之間的共同好友，所以可以拆為： A-B C，A-E C，B-E C，為下一步資料組合做最後的準備
A-B C
A-E C
B-E C
A-C D
B-C A
A-E B
......
步驟五、將步驟四得到的資料合併
在使用MapReduce程式設計中我們知道，Map階段出去的資料，進入reduce方法中的資料都是key相同的，以第四步中的: A-E 這個key為例，就有2個，這樣通過 reduce方法最終輸出的結果就是： A-E C,B ，即A-E 這兩個使用者的共同好友為 C和B
A-B C #A,B共同好友有C
A-E C,B #A，E有共同好友 C,B
B-E C #B，E有共同好友 C
A-C D #A，C有共同好友 D
B-C A #B，C有共同好友 A
......
通過以上的資料分析，最終可以達到預期的效果，同時也可以看出，上面的步驟劃分到MapRedcue中，顯然一個MapReduce肯定是無法完成的，至少需要2個
下面是結合上面的步驟分析，得出需要兩個MapReduce的資料流程圖，參考這個圖來協助我們分析編寫程式碼邏輯做參考
編碼實現
1、第一個map類
public class FirstMapper extends Mapper<LongWritable,Text,Text,Text> {
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
String val = value.toString();
String[] split = val.split(":");
//A:B,C,D,F,E,O 拆分後，左邊是原使用者，右邊是好友
String user = split[0];
String friends = split[1];
String[] friendLists = friends.split(",");
//Map1 輸出的結果為 ：
/**
* B A
* C A
* D A
* F A
* E A
*/
for(String str :friendLists ){
context.write(new Text(str),new Text(user));
}
}
}
2、第一個Reduce類
public class FirstReducer extends Reducer<Text,Text,Text,Text> {
@Override
protected void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
StringBuffer stringBuffer = new StringBuffer();
for (Text text : values){
stringBuffer.append(text).append("-");
}
//最終寫出去的資料格式為： A-E B ......
context.write(new Text(stringBuffer.toString()),key);
}
}
3、第一個Job類
public class FirstJob {
public static void main(String[] args) throws Exception {
//1、獲取job
Configuration configuration = new Configuration();
Job job = Job.getInstance(configuration);
//2、設定jar路徑
job.setJarByClass(FirstJob.class);
//3、關聯mapper 和 Reducer
job.setMapperClass(FirstMapper.class);
job.setReducerClass(FirstReducer.class);
//4、設定 map輸出的 key/val 的型別
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(Text.class);
//5、設定最終輸出的key / val 型別
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
//6、設定最終的輸出路徑
String inputPath = "F:\\網路硬碟\\csv\\friends.txt";
String outPath = "F:\\網路硬碟\\csv\\friends1";
FileInputFormat.setInputPaths(job,new Path(inputPath));
FileOutputFormat.setOutputPath(job,new Path(outPath));
// 7 提交job
boolean result = job.waitForCompletion(true);
System.exit(result ? 0 : 1);
}
}
執行上面的Job程式碼，然後開啟執行完畢後的第一個階段的檔案，從內容格式上看，符合第一階段的輸出結果要求的， 即下面的這種資料格式
4、第二個map類
public class SecondMapper extends Mapper<LongWritable,Text,Text,Text> {
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
// I-K-C-B-G-F-H-O-D- A 階段1的檔案輸出格式
/**
* 最終輸出格式：
* I-K A
* I-C A
* I-B A
* ......
*/
//需要將左邊的資料進行兩兩拆分，與V進行組合輸出
String val = value.toString();
String[] split = val.split("\t");
String v2 = split[1];
String[] allUsers = split[0].split("-");
Arrays.sort(allUsers);
for(int i=0;i<allUsers.length-1;i++){
for(int j=i+1;j<allUsers.length;j++){
context.write(new Text(allUsers[i] + "-" + allUsers[j]),new Text(v2));
}
}
}
}
5、第二個Reducer類
public class SecondReducer extends Reducer<Text,Text,Text,Text> {
@Override
protected void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
//上一步輸出的結果：
/**
* A-B C
* A-B D
* A-E C
* A-E D
* ......
*/
//只需要將相同的key的Val進行組合即可,即 ： A-B C-D，A-E C-D
StringBuffer stringBuffer = new StringBuffer();
for (Text text :values ){
stringBuffer.append(text.toString()).append("-");
}
context.write(key,new Text(stringBuffer.toString()));
}
}
6、第二個Job類
public class SecondJob {
public static void main(String[] args) throws Exception {
//1、獲取job
Configuration configuration = new Configuration();
Job job = Job.getInstance(configuration);
//2、設定jar路徑
job.setJarByClass(SecondJob.class);
//3、關聯mapper 和 Reducer
job.setMapperClass(SecondMapper.class);
job.setReducerClass(SecondReducer.class);
//4、設定 map輸出的 key/val 的型別
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(Text.class);
//5、設定最終輸出的key / val 型別
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
//6、設定最終的輸出路徑
String inputPath = "F:\\網路硬碟\\csv\\friends1\\part-r-00000";
String outPath = "F:\\網路硬碟\\csv\\friends2";
FileInputFormat.setInputPaths(job,new Path(inputPath));
FileOutputFormat.setOutputPath(job,new Path(outPath));
// 7 提交job
boolean result = job.waitForCompletion(true);
System.exit(result ? 0 : 1);
}
}
執行上面的Job程式碼，檢視最終的輸出結果，可以看到，也是符合我們預期的業務的
