MapReduce – 基本思路之推荐引擎

理解MapReduce关键两个步骤；

首先是构想出结构的数据结构，这种数据结构可以支撑你的业务分析使用；是要理解这种模式的处理元素。

第二步，分析原始数据的结构是怎样的；

第三步，基于原始数据结构以及目标数据结构，在分析map的实现逻辑，返回值什么，sort-shuffle之后的值什么，这个值也是reduce的入口参数，然后是reduce的逻辑是什么，以符合目标结构；

map和reduce在处理数据上面的很大差别在于map之后会有一个汇总过程，按照key进行汇聚（发生在sort-shuffle阶段）；reduce产生的数据不会再有这个过程，产生的是什么数据，加入到集合中之后，这个数据集合再无其他操作；如果再次把这个数据集合作为下一个阶段的Map-Reduce。

对于"购买过该商品的用户还购买了哪些商品"，这个需求，分析过程如下：

0. 目标数据结构是：key：商品（主体）；value：关联商品+权值（数量）列表；

1. 实现要明白map的入口参数是什么样子，用户对应一个商品；

2. 分析一下map之后数据，是一个商品对应多个商品；

3. shuffle没有什么特别处理；

3. reduce没有什么特别处理；

下面是第二轮mapreduce：

1. 入口参数是一个用户对多个商品；

2. map返回值某个用户的某个商品对应多个相关联的商品；

3. map之后shuffle合并是个集合，集合中的元素是：key是某个商品，value是相关联的商品List，此时这个list里面可能会有很多重复项；

4. reduce的入口参数是上步中介绍的内容；reduce处理之后，变成了key：某个商品；value：关联商品以及该商品的累加个数；

下面的是应用：基于reduce处理的数据，我们可以获得某个商品关联度最高的前N个商品（累加个数最高的N的）

处理的全流程如下图所示：

注意其实处理的维度的变化，阶段1map的处理维度还是在user；到了阶段儿的map处理维度是用户+商品，到了阶段2的reduce就抛弃了用户了，而是完全在商品的维度了；reduce的一个功能就是"降维"，这个是我的一个说法，其实"降维"是指原本的key不管了，而是从value中在建立一套key-value数据结构；因为reduce功能是group，group意味着可以抛弃一个数据维度，或者说忽略某些个数据维度。

继续，对于"经常一起购买的商品"：

0. 构想目标数据结构：key：商品；value：关联商品+权值列表；

1. 你要原始的数据集合中，一条记录的结构是交易-产品列表；

2. 在map阶段，直接"降维"，抛弃key（交易ID），对于产品列表做两两配对；shuffle之后的数据集合的元素结构是[<p1,p2>, 1]；

3. 到了reduce阶段，就是按照<p1, p2>进行汇聚，输出的是数据集合的元素结构是[<p1, p2>, n]；

应用：

找到p1=XX，n最高的3个产品作为推荐。

第三波，难度比较大了，推荐好友，A和B是好友，B是C的好友，那么AC要双向推荐一下。

我最初的想法是做差集；A-B的人向B做推荐，B-A的人想A做推荐；但是这样算法无法获取共同好友，我们登录QQ看到推荐的时候，一般都会看到你和以下人是好友；

0. 构想目标数据结构，key：主体人，value：[推 荐者，List<共同好友>]

1. 原始数据结构：key：主体人，value：List<Friends>

2. map输出的是key：被推荐人；value：[推荐好友, 共同好友（入参的主体人）]；shuffle之后是key是推荐人；value推荐好友列表；

3. reduce逻辑则是将被推荐人的推荐好友叠加到List中，同时叠加该推荐好友的共同朋友；