数据算法 --hadoop/spark数据处理技巧 --（7.共同好友 8. 使用MR实现推荐引擎）

七，共同好友。

　　在所有用户对中找出“共同好友”。

　　eg:

　　　　a    b,c,d,g

　　　　b    a,c,d,e

　　　　map（）-》  <a,b>,<b,c,d,g> ;<a,c>,<b,c,d,g>;.....

　　　　　　　　　　<a,b>,<a,c,d,e>

　　　　reduce()->    <a,b>,<c,d>   也就是a,b的共同好友是c,d。

　　上述就是思想。

八，使用MR实现推荐引擎

　　1.购买过该商品的顾客还购买了哪些商品。

　　　　这里，利用MR的两次迭代实现CWBTIAB功能。

　　　　　　阶段1：生成同一个用户购买的所有商品列表。分组由HAdoop框架处理，其中映射器和规约器都会完成一个恒等函数。

　　　　　　阶段2：解决列表商品的共现问题。使用Stripes(条纹)设计模式，只发出5个最常见的商品。

　　　　　　　　                 

　　2.经常一起购买的商品（FBT）

　　　　

　　3.推荐连接

　　　　

　　解决方案(实现思路)：