Spark实现之 查找共同好友

输入:邻接表

100, 200 300 400 500 600
200, 100 300 400
300, 100 200 400 500
400, 100 200 300
500, 100 300
600, 100
第一列表示用户,后面的表示用户的好友。

需求:查找两两用户的共同好友。

思路:1、key为两两用户,value为其中一个用户的所有好友

            2、求两个用户所有好友的交集

步骤:1、map:取每一行,组合user和其任一好友为key(key中的两个字段按字典序排列),user的所有好友为value

            2、reduce:求两个用户之间好友的交集

package dabook

import org.apache.spark.{SparkConf, SparkContext}

object CommFriend {


  def intersection(set1: Set[String], set2: Set[String]):Set[String]={
    if(set1 == null || set2 == null){
      return null;
    }
    var result = Set[String]()
    var small = Set[String]()
    var big = Set[String]()
    if(set1.size < set2.size){
      small = set1
      big = set2
    }
    else {
      small = set2
      big = set1
    }

//    println(small.mkString(","))

    for(s <- small){
      if(big.contains(s)){
        result += s
      }
    }

    return result
  }

  def mymap(x:String): Map[Tuple2[String, String], String] ={
    val arr = x.split(",")
    if(arr.length != 2){
      return null
    }
    val host = arr(0).trim
    val friends = arr(1).trim
    val arr_friends = friends.split(" ")
    var result = Map[Tuple2[String, String], String]()
    for(friend <- arr_friends){
      if(host.compareTo(friend) < 0){
        result += (Tuple2(host, friend)->friends)
      }
      else {
        result += (Tuple2(friend, host)->friends)
      }
    }
    return result
  }

  def commfri(x:Iterable[String]): Set[String] ={
    if(x.size != 2){
      return null
    }
    val arr = x.toArray
    var set1 = Set[String]()
    var set2 = Set[String]()
    val sz1 = arr(0).split(" ")
    val sz2 = arr(1).split(" ")
    for(s <- sz1){
      set1 += s
    }
    for(s <- sz2){
      set2 += s
    }
    intersection(set1, set2)
  }

  def main(args: Array[String]): Unit = {
    //val sparkContext = SparkSession.builder().master("local[2]").appName("common friend").getOrCreate()
    //val input = sparkContext.read.textFile("hdfs://127.0.0.1:9000/user/root/dabook/commfriend/cofriend").rdd

    val sparkConf = new SparkConf().setAppName("commfri").setMaster("local[2]")
    val sc = new SparkContext(sparkConf)
    val input1 = sc.textFile("/home/xdk/file/dabook/cofriend")

    val comm = input1.flatMap(x=>mymap(x)).groupByKey().map(x=>(x._1, commfri(x._2)))
    comm.foreach(println)
  }

  def test(): Unit ={
    var set1 = Set("1", "2", "s", "s", "d", "3")
    var set2 = Set("3", "2", "1");

    var res = intersection(set2, set1)

    for(s <- res){
      println(s)
    }
  }

}

输出:

((200,300),Set(100, 400))
((100,600),Set())
((300,400),Set(100, 200))
((100,500),Set(300))
((200,400),Set(100, 300))
((100,200),Set(300, 400))
((100,300),Set(200, 400, 500))
((100,400),Set(200, 300))
((300,500),Set(100))



  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值