需求七-互相关注可能认识的人
需求七:互相关注&可能认识的人
需求一:互相关注的人
- 用户好友关系是一个产品的核心数据,只允许互相关注的用户之间发消息称为强关系型产品,比如微信;反之,不互相关注也能看到动态,比如微博,就是弱关系型产品
- 因为微信的存在,现在基本能做大的都是社区型的,弱关系型的产品了。所以互联网公司就很容易碰到,从单向关注数据中计算是否双向关注这种需求。
- 假设现在有一张表,叫table_relation里面只有两个字段,from_user,to_user, 代表关注关系从from指向to,即from_user关注了to_user。
- 求互相关注
解决
- 方式一:自关联
- 缺点:当用户量到了亿级别,关注关系到了百亿级别,join起来的效率就会很低。
select a.from_user,a.to_user,if(b.from_user is not null, 1, 0) as is_friend
from table_relation a
left join table_relation b
on a.from_user = b.to_userand a.to_user = b.from_user
- 方式二:找特征相同
- 假设按照字典顺序做一次排序,那么排序后的结果都是(A, B), (A, B)
- 这样把特征相同的数据分到一组,计算组里面的数据条数,为1则是单向关注,为2则是双向关注。
- 这里
没有考虑数据重复
的情况,假设有两条(A,B)(A,B),那结果就错了,不过这种数据存在说明了数仓建设的失败。如果真有,那就先去重一次即可。 - 这里也
没有考虑用户id是非string数据类型
的情况,不过一般都能转成string。 - 最后,
不一定非要排序做字符串,能计算出共同特点就行
。比如用hash函数也没问题。
select a.from_user,a.to_user,if( sum(1) over (partition by feature) > 1, 1, 0) as is_friend
from
(select a.from_user,a.to_user,if(from_user > to_user, concat(to_user, from_user), concat(from_user, to_user)) as featurefrom table_relation
)a
需求二:可能认识的人
- 可能认识的人,主要是基于用户的好友关系计算。
- 假设有用户A,B,C其中AB是朋友,AC也是朋友,那么B和C很大可能也是认识的朋友。
- 这时候向B推荐C或者向C推荐B,他们互相加好友的概率相对就大一些。
- 假设朋友关系表的名字叫做table_friends,里面有两列user_1,user_2,含义是user_1向user_2提出了好友申请,并且申请通过。
- 思路
- 假设我们有了好友关系(A, B), (A, C),那么
- A、第一步先得到数组(B, C)
- B、然后展开数组得到 (B, (B, C)), (C, (B, C))
- C、然后再展开一次数组得到(B,B), (B,C), (C, B), (C, C)
- D、过滤掉相同的项(B,B),(C,C),剩下的就是我们需要的结果,并且统计出现的次数,就是共同好友的个数。这里给B推荐C,有一个共同好友;给C推荐B,有一个共同好友
- 假设我们有了好友关系(A, B), (A, C),那么
select a.base_user,a.possible_user,sum(1) as common_friends_count -- 5、sum
from
(select comm_user,base_user,possible_userfrom (select comm_user,collect_set(userid) as possible_user_set -- 2、collect_setfrom (select user_1 as comm_user,user_2 as useridfrom table_friendsunion all -- 1、union_allselect user_2 as comm_user,user_1 as useridfrom table_friends)agroup by comm_user)alateral view explode(possible_user_set) t1 as base_user -- 3、explodelateral view explode(possible_user_set) t2 as possible_user
)a left join (select user_1,user_2from (select user_1,user_2from table_friendsunion allselect user_2 as user_1,user_1 as user_2from table_friends)agroup by user_1, user_2
)b on a.base_user = b.user_1 and a.possible_user = b.user_2
where a.base_user <> a.possible_user and b.user_1 is null -- 4、filter
group by base_user, possible_user
然后重点介绍几个关键的注释点:
1、union_all
- 好友关系申请表一般只会记录申请关系,即A向B申请了好友,那么表中只有一条(A, B),而不会存在(B, A)。而我们需要A的好友群,也需要B的好友群,所以这里复制了一份反向的申请关系。当然,如果好友关系表里面本来就是用两条记录来表示好友关系的,那就不需要做一次union all了
2、collect_set 聚合
- 这里把每个用户的好友们整理在一个集合中,存在possible_user_set里。换句话说就是,把有同一个共同好友的人,都放在一起,成一个Array
3、explode 展开
- 两次展开好友集合,相当于好友集合自身做了一次笛卡尔积。假设我有N个朋友,展开之后就是N^2条记录。这样就把他们之间所有可能的链接做了出来。
4、filter 过滤
- 在所有可能的链接中,我们需要去掉自己对自己的链接关系,以及已经是好友的链接关系
5、sum
- 根据base_user进行聚合求sum(1),就是共同好友的个数了。如果不放心,也可以用count(distinct comm_user)
优化点
- 第三步展开时,N^2带来的内存压力还是很大的。微信目前最多可以添加5000个好友,上限就是25000000,用户关系上涨两千五百万倍,随便哪个集群都吃不消。所以这里需要考虑只展开一次,膨胀5000倍还是可以考虑的。只展开一次时,数据的格式是(B, (B, C)),这就要求直接操作array,我们需要进行array_remove_element删除自身,还需要进行一次array_minus把已经是好友的元素剔除。这两个操作使用UDF可以轻松完成,这里不再展开。
需求七-互相关注可能认识的人相关推荐
- 《日语综合教程》第七册 第六課 自然と人間
为什么80%的码农都做不了架构师?>>> 上外 <日语综合教程> 翻译注解.点击生词后的数字可以跳转到解释,再次点击返回(BackSpace键也可).最后一页有课文 ...
- 东北之行(七)――东北那旮儿的人
东北之行(七)――东北那旮儿的人 2010年03月12日 东北天寒地冻又缺水.夏短冬长,所以他们只种一季农作物,多以玉米.黄豆为主.东北人过着一年三部曲的生活:四个月过年,四个月种田,四个月干闲.干闲 ...
- 幽默感七个技巧_高潜质人士的七个特征之二:有幽默感
原标题:高潜质人士的七个特征之二:有幽默感 作者:曾双喜 原载:<人力资源>杂志2017年10月刊 上一篇谈到高潜质人士的第一个特征是有小才华,今天来说一说第二个特征:有幽默感. 幽默是个 ...
- 太多人关注,太少人理解,这就是“量子计算”
<量子计算公开课:从德谟克利特.计算复杂性到自由意志>译后感. "将计算.物理.数学和哲学整合成一种连贯的世界图景的探索,可能永远不会结束." 图片来自网络,侵删 我在 ...
- 七年之痒,很多人迈不过去的槛
前言 随着年龄的增长,外加心理学书籍的阅读,七年之痒的案例逐渐在脑海中留下痕迹.也常在情感主播的评论里,看到这样的字眼,"结婚七年了,今年离婚"."我不想继续挽回了,就放 ...
- C++ -- 基于多态的后宫管理系统(其实就是职工管理或者图书管理系统根据我自己的需求改编,毕竟追我的人太多了,要好好管理一下)
Linux环境下C++基于多态的后宫管理系统 实现如下几个功能 后宫每位佳丽都有4个属性,分别是编号.姓名.颜值.身份 并且把数据保存到文件中,保证数据不会在程序结束时流失,下一次使用还可以恢复以前的 ...
- 百度CTO王海峰:亚洲丰富实践场景推动AI技术落地探索
本文已在飞桨公众号发布,查看请戳链接: 百度CTO王海峰:亚洲丰富实践场景推动AI技术落地探索 王海峰 百度首席技术官 亚洲地区国家众多,发展水平差异显著,这背后意味着有丰富的实践场景,可供AI技术落 ...
- 高效人士的七个好习惯
七个习惯 ☆习惯一.主动积极 ☆习惯二.以终为始 ☆习惯三.要事第一 ☆习惯四.双赢思维 ☆习惯五.知己解彼 ☆习惯六.统合终效 ☆习惯七.不断更新 基本原则篇 ☆介绍 ☆持续成熟模式 ☆原则 ☆思维 ...
- 《人人都是项目经理V2.0》读书笔记——第3章 需求管理——筛选干系人的需求
1. 什么是干系人 什么是干系人? 干系人(Stakeholder),也译为相关方.利害关系者等,即和项目相关的人. 干系人的内涵 干系人既可以指人,也可以指组织. 干系人与项目之间会产生双向的影响, ...
最新文章
- server.xml中也能获取Tomcat相对路径
- 【Protocol Buffer】Protocol Buffer入门教程(四):序列化和反序列化
- Linux安装Nginx使用负载均衡
- 分析ip流量的python脚本
- ubuntu下面安装Keil uvision4与入门实例
- UI-UIButton、UILable、UITextField总结
- python快递代取系统_代取快递的变现方式,校园跑腿的经营范围有多大?
- SSD(based on Caffe)环境配置
- videojs暂停时显示大按钮_紧急!西安老人扶梯上仰面向后晕倒,这个救命按钮很多人不知道...
- Python subprocess.Popen 实时输出 stdout(正确管道写法)
- python处理金融数据_python-金融数据处理demo
- 乘坐飞机时,有什么事情是机长和机上工作人员不想让乘客知道的?
- linux黑群晖安装教程,黑群晖菜鸟安装教程(一)制作U盘引导及软洗白!
- VBA模拟抽签关键代码
- Java 的三种 Base64
- 苹果ipad有哪几款_别再乱买了!一篇文章讲清楚不同型号iPad之间的区别
- python报IndentationError: unexpected indent的解决方法.
- 通讯测试模拟软件,通讯测试工具之二——Modbus测试工具(Modbus Slave调试工具)-专业自动化论坛-中国工控网论坛...
- hs8346v5联通 说明书_请教hs8546v5更改华为界面正确方式
- 单手杀穿经典链表题Pt.2——LeetCode天梯渡劫(倒数第k节点,合并链表,链表分割,回文结构)
热门文章
- Tushare Day2——了解stock_basic数据并根据行业和地区进行统计
- uboot如何向内核传参
- 亚马逊用户称被客服骗走43万 折射个人信息安全隐忧
- Java内存结构与Java内存模型
- 大学的活动之一”辩论赛“
- java和python自学教程视频_免费视频教程,2019年最新Java、PYthon、web视频
- ce修改器怎么用 ce修改器使用基础教程
- 织梦 dede TAG 标签调用 大全
- 报错:Uncaught TypeError: $(…).dialog is not a function,处理方法。
- 阿里五年自动化测试工程详细解说:unittest单元测试框架