itemcf的hadoop实现优化(Python)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了itemcf的hadoop实现优化(Python)，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2840字，纯文字阅读大概需要5分钟。
内容图文
原始数据如下：
u1 a,d,b,c u2 a,a,c u3 b,d u4 a,d,c u5 a,b,c
计算公式使用：sim = U(i)∩U(j) / (U(i)∪U(j))
其中： (U(i)∪U(j)) = U(i) + U(j) - U(i)∩U(j)
原始的Hadoop实现需要5轮MR，优化后只需要两轮就可以完成。
之前的轮数过多，主要在于计算(U(i)∪U(j)) 的时候，需要多次更改key，并非计算量大。只需要修改一下传递的key，就可以两轮实现。
mapper_1.py
#!/usr/bin/python
#-*-coding:utf-8-*-
import sys
for line in sys.stdin:
user,item_str = line.strip().split()
item_list = sorted(list(set(item_str.split(','))))
print "item_str:",item_str,"item_list:",item_list
for i in range(len(item_list)):
i1 = item_list[i]
print i1,1,'norm'
for i2 in item_list[i+1:]:
print i1,i2,1,'dot'reducer_1.py
#!/usr/bin/python
#-*-coding:utf-8-*-
import sys
def PrintOut():
i1 = old_key
print i1,old_dict['norm'],'norm'
for i2 in old_dict['dot']:
print i1 + "-" + i2,old_dict['dot'][i2],old_dict['norm'],'dot-norm_i1'
old_key = ""
old_dict = {'norm':0,'dot':{}}
for line in sys.stdin:
sp = line.strip().split()
if sp[-1] == 'norm':
key,value = sp[:2]
if key == old_key:
old_dict['norm'] += int(value)
else:
if old_key != "":
PrintOut()
old_key = key
# Notice: norm part should be int(value)
old_dict = {'norm':int(value),'dot':{}}
elif sp[-1] == 'dot':
key,i2,value = sp[:3]
if key == old_key:
if i2 not in old_dict['dot']:
old_dict['dot'][i2] = 0
old_dict['dot'][i2] += int(value)
else:
if old_dot_key != "":
PrintOut()
old_key = key
old_dict = {'norm':int(value),'dot':{}}
if old_key != "":
PrintOut()mapper_2.py
#!/usr/bin/python
#-*-coding:utf-8-*-
import sys
for line in sys.stdin:
sp = line.strip().split()
if sp[-1] == 'norm':
print line.strip()
elif sp[-1] == "dot-norm_i1":
key,dot,norm_i1 = sp[:3]
i1,i2 = key.split('-')
print i2,i1,dot,norm_i1,'dot-norm_i1'reducer_2.py
#!/usr/bin/python
#-*-coding:utf-8-*-
import sys
def GenSim(norm_i1,norm_i2,dot):
return float(dot) / (int(norm_i1) + int(norm_i2) - int(dot))
def PrintOut():
i2 = old_key
norm_i2 = old_dict['norm']
for i1 in old_dict['dot']:
dot,norm_i1 = old_dict['dot'][i1]
sim = GenSim(norm_i1,norm_i2,dot)
print i1+"-"+i2,dot,norm_i1,norm_i2,sim,'dot,norm_i1,norm_i2,sim'
old_key = ""
old_dict = {'norm':"",'dot':{}}
for line in sys.stdin:
sp = line.strip().split()
if sp[-1] == 'norm':
key,value = sp[:2]
if key == old_key:
old_dict['norm'] = value
else:
if old_key != "":
PrintOut()
old_key = key
old_dict = {'norm':value,"dot":{}}
elif sp[-1] == 'dot-norm_i1':
key,i1,dot,norm_i1 = sp[:4] #key is i2.
if key == old_key:
if i1 not in old_dict['dot']:
old_dict['dot'][i1] = (dot,norm_i1)
else:
if old_key != "":
PrintOut()
old_key = key
old_dict = {'norm':value,'dot':{i1:(dot,norm_i1)}}
if old_key != "":
PrintOut()执行脚本 t.sh：
#!/bin/bash cat user_log.txt |./mapper_1.py |sort -k1 > d.m.1 cat d.m.1 |./reducer_1.py > d.r.1 cat d.r.1 |./mapper_2.py |sort -k1 > d.m.2 cat d.m.2 |./reducer_2.py > d.r.2
原文：http://blog.csdn.net/arthur503/article/details/43486045
内容总结
以上是互联网集市为您收集整理的itemcf的hadoop实现优化(Python)全部内容，希望文章能够帮你解决itemcf的hadoop实现优化(Python)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。