MapReduce当中寻找用户间的共同好友

寻找用户间的共同好友
下面我们给出一个经典的案例：寻找用户间的共同好友。（有意思的是：网上讨论这个案例的虽多，但都有这那的错误，不是数据错就是程序错， 总有同学和我比对，实际和我的是不一样的）马克-to-win @ 马克java社区：下面给出用户的好友关系列表(注意是单向的, 单向的好友意味着，你是别人的好友，别人可能不是你的好友)，每一行代表一个用户和他的好友列表。

A:B,C,D,F,E,O
B:A,C,E,F
C:F,A,D,I
D:A,E,F,L
E:B,C,D,M,L
F:A,B,C,D,E,O,M
G:A,C,D,E,F
H:A,C,D,E,O
I:A,O
J:B,O
K:A,C,D
L:D,E,F
M:E,F,G
O:A,H,I,J

防盗版实名手机尾号：73203。现在需要找出用户间的共同好友。目测：A:B,C,D,F,E,O。 A的好友有这些人。 B:A,C,E,F， B的好友有这些人。A和B的共同好友是C,E,F。其实如果不用大数据的思维，很简单，知道：A:B,C,D,F,E,O。而且B:A,C,E,F得出A -B：  C,E,F， 这算法并不难。之后再穷尽一下。（A-B,A-C,A-D。。。。之后再B-C，B-D。。。。二维数组就可以搞定）。但如果数据量大的话，内存就崩了， 得用大数据的思维。

A-B：  C,E,F  这结论用大数据来做是这样：第一步：要知道C是A的好友，C还是B的好友。这就要知道C到底是多少人的好友？答案是：C    H-K-B-A-G-E-F（即C是这许多人的好友），怎么做，见下？第二步，有了如上的数据，就好做穷尽，AB都是C的好友。AE也是C的好友。以AB为键，马上会发现 AB也都是E的好友，而且也是F的好友。这样，最终的结论就有了：A -B：  C,E,F。

这件事用一个MapReduce不行，得用两个，才能搞定。思路是这样：
更多请见：http://www.mark-to-win.com/tutorial/mydb_MapReduce_CommonFriend.html