mahout算法源码分析之Itembased Collaborative Filtering（五）推荐
Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。
接上篇，本篇分析该算法的最后一个job。
在上篇计算共生矩阵的乘积后，接下来又到了一个shouldRunNextPhase的方法了，这个方法里面含有三个prepareJob，但是本次只分析一个，为啥？因为在实战中没有设置filterFile，这里其实是可以设置filterFile的，设置这个参数的作用是什么，用源码中的英文解释就是过滤掉不不关心的用户，那我就会产生疑问了，在上个计算共生矩阵乘积的时候明明是可以设置一个文件，用于过滤掉我们不关心的用户了，这里还要过滤？所以这里不是很明白源码设计的思路。但是，这里是分析算法的，关于过滤，其实也可以这样说，把全部结果分析出来后，然后再进行过滤，全部结果的分析就是算法的大概，而后面进行过滤可做可不做（这种做法和原来设计的还是有点不同的，效率不一样，如果可以在前期过滤掉一些数据，那么后面的计算会加快）。整个系列blog都是分析算法，所以过滤这一块暂时不关心。
这里可以看到是有三个job调用的：
上面的图中的userIDWritable:5,prefAndSimilarityColumn:org.apache.mahout.cf.taste.hadoop.item.PrefAndSimilarityColumnWritable@5cb2666c类似这样的就是最后map的输出结果了，这个结果怎么解读？首先key就是userIDWritable了，后面就是实际值；后面的prefAndSimilarityColumn打印的是一个地址，同时看到不同的用户id输出的地址竟然是一样的？比如针对第一条输出（即上面的输出），其输出其实应该是<key,value> --><5,[4.0,[107:0.10275248438119888,106:0.14243397116661072,105:0.11584573984146118,104:0.1601526141166687,103:0.15548737347126007,102:0.14201472699642181,101:NaN]]>而第二条的输出其实是：<key,value> -->
<1,[5.0,[107:0.10275248438119888,106:0.14243397116661072,105:0.11584573984146118,104:0.1601526141166687,103:0.15548737347126007,102:0.14201472699642181,101:NaN]]>通过上面的两条比较发现其实value只有prefValue的值不一样而已，但是为什么地址居然是一样的呢？这个是因为prefAndSimilarityColumn变量是在for循环外面定义好了，所以其地址不会变，同时因为每条数据设置值后直接写入了文件中，不存在后面设置的值会覆盖前面值的情况；整合后的map输出如下所示（只列出了用户1和2的数据）：1=[104:3.5838122,106:3.4916115,105:3.473163], 2=[106:2.8146582,105:2.7573717,107:2.0]可以看到这个已经是排过序的了，到这里全部的mahout源码基本分析完毕，下篇应该来一篇整体的数据流程才行，使用excel做一个表格上面写上公式，这样应该会便于理解这个算法。分享，成长，快乐
转载请注明blog地址：http://blog.csdn.net/fansy1990
