用Map/Reduce来做好友推荐

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。

1. "ricky" => ["jay", "peter", "phyllis"]
2. "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
  1. "ricky" => ["jay", "john", "mitch"]

  那么结果就是

  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.

Input record … person -> connection_list

1. e.g. "ricky" => ["jay", "john", "mitch", "peter"]
2. also the connection list is sorted by alphabetical order
3.  
4. def map(person, connection_list)
5.   # Compute a cartesian product using nested loops
6.   for each friend1 in connection_list
7.      # Eliminate all 2-degree pairs if they already
8.      # have a one-degree connection
9.      emit([person, friend1, 0])
10.      for each friend2 > friend1 in connection_list
11.          emit([friend1, friend2, 1],  1)
12.  
13. def partition(key)
14.   #use the first two elements of the key to choose a reducer
15.   return super.partition([key[0], key[1]])
16.  
17. def reduce(person_pair, frequency_list)
18.   # Check if this is a new pair
19.   if @current_pair != [person_pair[0], person_pair[1]]
20.       @current_pair = [person_pair[0], person_pair[1]]
21.       # Skip all subsequent pairs if these two person
22.       # already know each other
23.       @skip = true if person_pair[2] == 0
24.  
25.   if !skip
26.       path_count = 0
27.       for each count in frequency_list
28.           path_count += count
29.       emit(person_pair, path_count)
30.  
31. Output record … person_pair => path_count
32. 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.

Input record = Output record of round 1

1.  
2. def map(person_pair, path_count)
3.   emit([person_pair[0], path_count], person_pair[1])
4.  
5. def partition(key)
6.   #use the first element of the key to choose a reducer
7.   return super.partition(key[0])
8.  
9. def reduce(connection_count_pair, candidate_list)
10.   # Check if this is a new person
11.   if @current_person != connection_count_pair[0]
12.       emit(@current_person, @top_ten)
13.       @top_ten = []
14.       @current_person = connection_count_pair[0]
15.  
16.   #Pick the top ten candidates to connect with
17.   if @top_ten.size < 10
18.       for each candidate in candidate_list
19.           @top_ten.append([candidate, connection_count_pair[1]])
20.           break if @pick_count > 10
21.  
22. Output record … person -> candidate_count_list
23.  
24. 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。