baihongyu.com
博客
关于我
商品订单频繁项集数据流分析
阅读量：
168 次
发布时间：
2019-02-28
本文共 1215 字，大约阅读时间需要 4 分钟。
一 Redis中生成数据
ID1 [(商品1，2),(商品2，3),(商品3，4),(商品4，5)]
ID2 [(商品2，3),(商品3，3),(商品4，2),(商品5，5)]
ID3 [(商品1，2),(商品2，2),(商品3，4),(商品5，1)]
二 经过Spolt后
1 发射的数据为12条
(ID1,商品1,2)
(ID1,商品2,3)
(ID1,商品3,4)
(ID1,商品4,5)
(ID2,商品2,3)
(ID2,商品3,3)
(ID2,商品4,2)
(ID2,商品5,5)
(ID3,商品1,5)
(ID3,商品2,2)
(ID3,商品3,4)
(ID3,商品5,1)
2 Redis数据存储到键itemCounts
(商品1,2)
(商品2,3)
(商品3,3)
(商品4,2)
(商品5,2)
三 经过SplitBolt，发射18条数据
(商品1,商品2)
(商品1,商品3)
(商品1,商品4)
(商品2,商品3)
(商品2,商品4)
(商品3,商品4)
(商品2,商品3)
(商品2,商品4)
(商品2,商品5)
(商品3,商品4)
(商品3,商品5)
(商品4,商品5)
(商品1,商品2)
(商品1,商品3)
(商品1,商品5)
(商品2,商品3)
(商品2,商品5)
(商品3,商品5)
四 经过PairCountBolt
(商品1,商品2)->2
(商品1,商品3)->2
(商品1,商品4)->1
(商品1,商品5)->1
(商品2,商品3)->3
(商品2,商品4)->2
(商品3,商品4)->2
(商品2,商品5)->2
(商品3,商品5)->2
(商品4,商品5)->1
五 经过PairCountBolt
商品对总数：18
六 经过SupportComputeBolt
(商品1,商品2)->2/18
(商品1,商品3)->2/18
(商品1,商品4)->1/18
(商品1,商品5)->1/18
(商品2,商品3)->3/18
(商品2,商品4)->2/18
(商品3,商品4)->2/18
(商品2,商品5)->2/18
(商品3,商品5)->2/18
(商品4,商品5)->1/18
七 经过ConfidenceComputeBolt
(商品1,商品2)->2/18 再除以2
(商品1,商品3)->2/18 再除以2
(商品1,商品4)->1/18 再除以2
(商品1,商品5)->1/18 再除以2
(商品2,商品3)->3/18 再除以3
(商品2,商品4)->2/18 再除以2
(商品3,商品4)->2/18 再除以2
(商品2,商品5)->2/18 再除以2
(商品3,商品5)->2/18 再除以2
(商品4,商品5)->1/18 再除以2
八 经过FilterBolt
Redis中存入键recommendedPairs
(商品n,商品m)->(支持度，置信度)
转载地址：http://biej.baihongyu.com/
你可能感兴趣的文章
MySQL优化之推荐使用规范
查看>>
Webpack Critical CSS 提取与内联教程
查看>>
mysql优化概述(范式.索引.定位慢查询)
查看>>
MySQL优化的一些需要注意的地方
查看>>
mysql优化相关
查看>>
MySql优化系列-优化版造数据（存储过程+函数+修改存储引擎）-2
查看>>
MySql优化系列-进阶版造数据（load data statment）-3
查看>>
MySql优化系列-造数据（存储过程+函数）-1
查看>>
MySQL优化配置详解
查看>>
Mysql优化高级篇（全）
查看>>
mysql会员求积分_MySql-统计所有会员的最高前10次的积分和
查看>>
mysql会对联合索性排序优化_MySQL索引优化实战
查看>>
MySQL作为服务端的配置过程与实际案例
查看>>