《Data Algorithm》读书笔记之九 —— 使用MapReduce实现推荐引擎

《Data Algorithm》读书笔记之九 — 使用MapReduce实现推荐引擎

帮助用户查找信息
减少搜索和导航时间
提高用户满意度

购买过该商品的顾客还购买了哪些商品？（ CWBTIAB）

可以通过之前的代码来实现这个内容
top10
购物篮分析
共同好友 等等

输入
每个销售记录包含一个 user_id, bought_item 。只要显示一个商品， 电商就会推荐购买过这个商品的用户最常购买的其它几件商品。
<user_id, bought_item>

输出：
键值对形式。 键是商品【用户正在浏览的商品】，值是一个列表【包含购买过这个商品的顾客最常购买的5件商品】
需要两次迭代实现推荐商品的功能:
step 1:生成同一个用户购买的所有商品的列表。
step 2:解决列表商品的共现问题。 使用到了 Stripes(条纹)设计模式

Stripes设计模式
主要思想：将 键值对分组为一个关联数组。

如下所示：有个mapper 发出的键值对如下[使用传统方法]
(k,k1) 3
(k,k2) 2
(k,k3) 4
(k,k4) 6
(z,z1) 7
(z,z2) 8
(z,z3) 5

但是如果使用 Stripes 方法，得到的输出则是：
(k,{(k1,3),(k2, 2),(k3, 4),(k4,6)})
(z, {(z1, 7),(z2,8),(z3, 5)})

step 2中：采用 Stripes方法，映射器会完成大部分工作，聚集数据，然后把数据传递到组合器和归约器。

经常一起购买的商品

同购物篮分析。

推荐好友

共同好友