小伙伴们都使用过各种社交平台，如：QQ、微博、朋友网等等，应该都知道有一个叫 "可能认识" 或者 "好友推荐" 的功能。
而MapReduce的算法主要是根据你们之间的共同好友数进行推荐，当然也可根据其他，如爱好、特长等等。共同好友的数量越多，表明你们可能认识，系统便会自动推荐。
今天我将向大家介绍如何使用MapReduce计算共同好友。
一、项目说明
- 互为推荐关系
- 非好友的两个人之间存在相同好友则互为推荐关系
- 朋友圈两个非好友的人，存在共同好友人数越多，越值得推荐
- 存在一个共同好友，值为1；存在多个值累加
二、程序需求
2.1 需求
- 程序要求：给每个人推荐可能认识的人，互为推荐的关系值越高越值得推荐。每个用户推荐值越高的人越排在前面。
2.2 数据
- 数据使用空格进行分割
- 每一行是一个用户及其所推荐的好友
- 每一行第一列是用户名字，后面是其多对应的好友
xiaominglaowangrenhualinzhilinglaowangxiaomingfengjierenhuaxiaomingligangfengjielinzhilingxiaomingligangfengjieguomeimeiligangrenhuafengjielinzhilingguomeimeifengjielinzhilingfengjierenhualaowanglinzhilingguomeimei三、代码实现
3.1 MapReduce原理分析
3.2 代码实现
建构层次如下：
引入配置，打包运行在集群环境里：
map阶段：
- 输出应使用单引号
- 设置直接好友关系的value值为0；间接好友关系的value值为1
- 为使计算机正确识别比对累加的复杂情况，需要进行字典排序
Reduce阶段：
- 当发现value值为0时，是直接好友，舍弃
Recommend.java：
- 请注意导包完整且正确
- 检测重复文件，及时删除以方便后续调试
3.3 启动HDFS集群
启动集群：
导入friends文本文件：
运行结果如下：
总结
今天给大家分享的好友推荐算法就是这些，今天的只是一个小小的案例，现实场景中的运算肯定要比这个复杂的多，
但是思路和方向基本一致，如果有更好的建议或算法，欢迎与我一起讨论喔～
本文转载自: https://blog.csdn.net/qq_57147028/article/details/127123524
版权归原作者 qq_57147028 所有， 如有侵权，请联系我们删除。
版权归原作者 qq_57147028 所有， 如有侵权，请联系我们删除。