商品訂單頻繁項集資料流分析

2021-08-14 20:25:15 字數 1928 閱讀 2012

一 redis中生成資料

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 經過spolt後

1 發射的資料為12條

(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資料儲存到鍵itemcounts

(商品1,2)

(商品2,3)

(商品3,3)

(商品4,2)

(商品5,2)

三 經過splitbolt,發射18條資料

(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 經過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 經過paircountbolt

商品對總數:18

六 經過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 經過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 經過filterbolt

redis中存入鍵recommendedpairs

(商品n,商品m)->(支援度,置信度)

Lucene 資料流分析

理解lucene系統結構的另乙個方式是去 其中資料流的走向,並以此摸清楚lucene系統內部的呼叫時序。在此基礎上,我們能夠更加深入的理解lucene的系統結構組織,以方便以後在lucene系統上的開發工作。這部分的分析,是深入lucene系統的鑰匙,也是進行重寫的基礎。我們來看看在lucene系統...

資料流的分析

現在我就舉乙個資料流的分析 兩主機 a b 連在乙個傻瓜交換機上,同一網段,分析ping包的資料流向。主機a向主機b發ping包,首先,主機a將目標ip位址和自己子網掩碼進行 與 運算,判斷目標是否跟自己在同一網段 不同網段資料交給閘道器處理 接著會查arp表是否有目標主機的mac位址。此時,主機a...

資料流分析之Liveness Analysis

目錄 1 什麼是liveness?2 什麼是liveness analysis?3 liveness analysis有何用處?4 如何實現liveness analysis?資訊在通過指令時的傳播規則 資訊在匯聚時的傳播規則 資訊傳播規則的形式化表述 基於資訊傳播規則,求解活躍變數集合 我們說,變...