[mahout in action]mahout中用于推荐引擎的数据结构(一)

《Mahout in Action》读书笔记指出,推荐系统效果关键在于数据质量。文章介绍了Mahout中优化的数据结构,如Preference接口和PreferenceArray,它们减少内存消耗。FastByIDMap和FastIDSet使用线性探测解决哈希冲突,且针对long类型优化,降低内存占用。FastIDSet比HashSet更节省空间,FastByIDMap则具有缓存特性,超过一定大小会淘汰不常用项。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文基本上是对《mahout in action》相关内容的读书笔记

推荐系统的好坏 大部分取决于 数据的质量和数量。正所谓“garbage in, garbage out”

1,user 对 item的 preference数据
Preference,一个接口,代表着 1个user(long) 对1个item (long) 的preference value(int),实现类有GenericPreference.
 例如: new GenericPreference(123, 456, 3.0f)

PreferenceArray, 定义1个user对很多个item的pref, 或者1个item有很多user对其pref。具体实现类 GenericUserPreferenceArray, GenericItemPreferenceArray。
为什么不能用Collection<Preference> 呢? 因为java中object会消耗很多无关的内存( 参考:Java object内存大小计算),重新定义的 PreferenceArray在这方面节省很多。看下图的对比


按照java object内存大小计算方法,这样做优化,节省了75%的内存占用。这在大数据运算中可以节省几个G的内存占用

FastByIDMap  和 FastIDSet
*HashMap,FastByIDMap都是基于hash算法。不同的是,FastByIDMap使用 linear probing来处理hash冲突,而不是separate chaining。这样避免了给每一个entry添加Map.Entry 对象。对象消耗很多内存

*在Mahout推荐引擎里,key 和member都是long 类型,而不是Objects。使用long key可以节省内存并提升表现

*Set的底层不是用Map实现的

*FastByIDMap就想一个cache,他有一个最大size。当超过这个size的时候,不经常被用的entry就会被移除,然后加入新的。

从存储空间上比:FastIDSet每个member占用14 bytes,而hashSet占用84bytes
FashByIDMap 的entry消耗 28 bytes, 而hashMap消耗84 bytes



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值