GRMS_README

最新推荐文章于 2025-05-03 14:22:01 发布

weixin_30378623

最新推荐文章于 2025-05-03 14:22:01 发布

阅读量110

点赞数

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/Diyo/p/11333343.html

基于Hadoop的商品推荐系统

基于特征：
基于行为：具有了一定的历史特征。
基于用户：
基于商品：

推荐结果=用户的购买向量*物品的相似度矩阵

物品的相似度：物品的共现次数

1.项目名：GRMS
2.添加Maven依赖：pom.xml
3.创建包：
com.briup.bigdata.project.grms
|--step1
|--step2
|--...
|--utils
4.将集群上的四个xml配置文件放到resources目录中。
5.在HDFS集群的根目录下创建目录：
/grms
|--rawdata
|-----matrix.txt
|--step1
|--...
6.开始编程。
@原始数据：
10001 20001 1
10001 20002 1
10001 20005 1
10001 20006 1
10001 20007 1
10002 20003 1
10002 20004 1
10002 20006 1
10003 20002 1
10003 20007 1
10004 20001 1
10004 20002 1
10004 20005 1
10004 20006 1
10005 20001 1
10006 20004 1
10006 20007 1
a.计算用户购买商品的列表
类名：UserBuyGoodsList.java

UserBuyGoodsList
UserBuyGoodsListMapper
UserBuyGoodsListReducer
结果数据：
10001 20001,20005,20006,20007,20002
10002 20006,20003,20004
10003 20002,20007
10004 20001,20002,20005,20006
10005 20001
10006 20004,20007
b.计算商品的共现关系
文件：GoodsCooccurrenceList.java

类名：GoodsCooccurrenceList
GoodsCooccurrenceListMapper
GoodsCooccurrenceListReducer
数据来源：第1步的计算结果
计算结果：
20001 20001
20001 20001
20001 20002
20001 20005
20001 20006
20001 20007
20001 20001
20001 20006
20001 20005
20001 20002
20002 20007
20002 20001
20002 20005
20002 20006
20002 20007
20002 20002
20002 20006
20002 20005
20002 20002
20002 20001
20002 20002
20003 20003
20003 20004
20003 20006
20004 20004
20004 20007
20004 20004
20004 20006
20004 20003
20005 20002
20005 20006
20005 20005
20005 20001
20005 20005
20005 20006
20005 20007
20005 20001
20005 20002
20006 20005
20006 20003
20006 20004
20006 20001
20006 20002
20006 20006
20006 20002
20006 20006
20006 20007
20006 20006
20006 20001
20006 20005
20007 20006
20007 20004
20007 20007
20007 20002
20007 20007
20007 20005
20007 20001
20007 20002
20007 20007
c.计算商品的共现次数(共现矩阵)
文件：GoodsCooccurrenceMatrix.java

类名：GoodsCooccurrenceMatrix
GoodsCooccurrenceMatrixMappper
GoodsCooccurrenceMatrixReducer
数据来源：第2步的结果
计算结果：
20001 20001:3,20002:2,20005:2,20006:2,20007:1
20002 20001:2,20002:3,20005:2,20006:2,20007:2
20003 20003:1,20004:1,20006:1
20004 20003:1,20004:2,20006:1,20007:1
20005 20001:2,20002:2,20005:2,20006:2,20007:1
20006 20001:2,20002:2,20003:1,20004:1,20005:2,20006:3,20007:1
20007 20001:1,20002:2,20004:1,20005:1,20006:1,20007:3
d.计算用户的购买向量
文件：UserBuyGoodsVector.java

类名：UserBuyGoodsVector
UserBuyGoodsVectorMapper
UserBuyGoodsVectorReducer
源数据：第1步的结果或者最原始数据。
计算结果：
20001 10001:1,10004:1,10005:1
20002 10001:1,10003:1,10004:1
20003 10002:1
20004 10002:1,10006:1
20005 10001:1,10004:1
20006 10001:1,10002:1,10004:1
20007 10001:1,10003:1,10006:1
e.商品共现矩阵乘以用户购买向量，形成临时的推荐结果。
文件：MultiplyGoodsMatrixAndUserVector.java

类名：MultiplyGoodsMatrixAndUserVectorFirstMapper
MultiplyGoodsMatrixAndUserVectorSecondMapper
文件：MultiplyGoodsMatrixAndUserVectorReducer
思考：文件的来源，来自于两个文件，第一个是第3步的结果（物品的共现矩阵），第二个文件是第4步的结果（用户的购买向量）。所以在一个MR程序中，需要使用两个自定义Mapper分别处理，然后定义一个自定义Reducer来处理这两个Mapper的中间结果。
1.保证两个Mapper的Key要相同。
2.两个Mapper的数据输出的Key和Value的数据类型是一致的。
3.在作业配置中，对于Mapper端的配置需要使用MultipleInputs.addInputPath(job,数据的输入路径,数据输入的格式控制器.class,执行的Mapper类.class);
原始数据：第3步和第4步的结果数据。
计算结果：
10001,20001 2
10001,20001 2
10001,20001 3
10001,20001 1
10001,20001 2
10001,20002 3
10001,20002 2
10001,20002 2
10001,20002 2
10001,20002 2
10001,20003 1
10001,20004 1
10001,20004 1
10001,20005 2
10001,20005 2
10001,20005 2
10001,20005 1
10001,20005 2
10001,20006 2
10001,20006 3
10001,20006 2
10001,20006 1
10001,20006 2
10001,20007 2
10001,20007 1
10001,20007 1
10001,20007 3
10001,20007 1
10002,20001 2
10002,20002 2
10002,20003 1
10002,20003 1
10002,20003 1
10002,20004 1
10002,20004 2
10002,20004 1
10002,20005 2
10002,20006 3
10002,20006 1
10002,20006 1
10002,20007 1
10002,20007 1
10003,20001 2
10003,20001 1
10003,20002 3
10003,20002 2
10003,20004 1
10003,20005 2
10003,20005 1
10003,20006 2
10003,20006 1
10003,20007 2
10003,20007 3
10004,20001 2
10004,20001 2
10004,20001 3
10004,20001 2
10004,20002 3
10004,20002 2
10004,20002 2
10004,20002 2
10004,20003 1
10004,20004 1
10004,20005 2
10004,20005 2
10004,20005 2
10004,20005 2
10004,20006 2
10004,20006 3
10004,20006 2
10004,20006 2
10004,20007 2
10004,20007 1
10004,20007 1
10004,20007 1
10005,20001 3
10005,20002 2
10005,20005 2
10005,20006 2
10005,20007 1
10006,20001 1
10006,20002 2
10006,20003 1
10006,20004 2
10006,20004 1
10006,20005 1
10006,20006 1
10006,20006 1
10006,20007 1
10006,20007 3
f.对第5步计算的推荐的零散结果进行求和。
文件：MakeSumForMultiplication.java

MakeSumForMultiplication
MakeSumForMultiplicationMapper
MakeSumForMultiplicationReducer
原始数据：第5步的计算结果
计算结果：
10001,20001 10
10001,20002 11
10001,20003 1
10001,20004 2
10001,20005 9
10001,20006 10
10001,20007 8
10002,20001 2
10002,20002 2
10002,20003 3
10002,20004 4
10002,20005 2
10002,20006 5
10002,20007 2
10003,20001 3
10003,20002 5
10003,20004 1
10003,20005 3
10003,20006 3
10003,20007 5
10004,20001 9
10004,20002 9
10004,20003 1
10004,20004 1
10004,20005 8
10004,20006 9
10004,20007 5
10005,20001 3
10005,20002 2
10005,20005 2
10005,20006 2
10005,20007 1
10006,20001 1
10006,20002 2
10006,20003 1
10006,20004 3
10006,20005 1
10006,20006 2
10006,20007 4
g.数据去重，在推荐结果中去掉用户已购买的商品信息。
文件：DuplicateDataForResult.java

类名：DuplicateDataForResultFirstMapper
DuplicateDataForResultSecondMapper
DuplicateDataForResultReducer
数据来源：
1.FirstMapper处理用户的购买列表数据。
2.SecondMapper处理第6的推荐结果数据。
计算结果：
10001 20004 2
10001 20003 1
10002 20002 2
10002 20007 2
10002 20001 2
10002 20005 2
10003 20006 3
10003 20005 3
10003 20001 3
10003 20004 1
10004 20007 5
10004 20004 1
10004 20003 1
10005 20006 2
10005 20002 2
10005 20005 2
10005 20007 1
10006 20006 2
10006 20002 2
10006 20005 1
10006 20003 1
10006 20001 1
h.将推荐结果保存到MySQL数据库中
注意：
1.保证表提前存在。
grms.results(uid varchar(20),
gid varchar(20),
exp int)
2.通过MR程序将HDFS集群上的数据保存到MySQL数据库中的时候，只能将最终输出的Key值保存到数据库中。
3.自定义最终输出的Key的数据类型。自定义的类实现WritableComparable<自定义的类>，但是作为将数据从HDFS集群输出到MySQL数据库中的Key，还要实现DBWritable接口。
readFields(ResultSet rs)
write(PrepareStatement ps)

A impl WC,DBW{
private String uid;
private String gid;
private int exp;

readFields(ResultSet rs){
uid=rs.getString(1);
}

write(PrepareStatement ps){
ps.setString(1,uid);
ps.setString(2,gid);
ps.setInt(1,exp);
}
}
4.在作业配置中，需要使用DBConfiguration.setConfiguration()指定连接数据库的相关参数。
参数1：和当前作业相关的配置对象，Configuration对象要通过Job对象来获取；
参数2："com.mysql.jdbc.Driver"
参数3："jdbc:mysql://ip:port/grms"
参数4和5："用户名"和"密码"。
5.数据输出的格式控制需要使用DBOutputFormat。
DBOutputFormat.setOutput();有三个参数：
参数1：Job对象。
参数2：数据库表名
参数3：可变长参数，指的是往数据库中插入的列名。
insert into 数据库表名 values(?,?,?);
文件：SaveRecommendResultToDB.java
类名：SaveRecommendResultToDBMapper<LW,Text,Text,Text>
SaveRecommendResultToDBReducer<Text,Text,自定义的Key,NullWritable>
数据来源：第7步的结果数据。
数据去向：MySQL数据库，grms.result
i.构建作业流对象（JobControl），让程序自行提交作业。
文件：GoodsRecommendationManagementSystemJobController.java
类名：GoodsRecommendationManagementSystemJobController
1.分别创建step1到step8的Job对象，然后进行各自的作业配置。
Job job1=Job.getIns();
2.创建8个ControlledJob对象，将上一步的Job对象转化成可被控制的作业。
ControlledJob cj1=new CJ();
cj1.setJob(job1);
cj2.setJob(job2);
3.对可被控制的作业添加依赖关系。
cj2.addDepe...(cj1);
4.构建JobControl对象，将8个可被控制的作业逐个添加。
JobControl jc=new JobControl("");
5.构建线程对象，并启动线程，执行作业。
Thread t=new Thread(jc);
t.start();