[Hadoop in China 2011] 人人网:基于Hadoop的SNS统计和聚类推荐「建议收藏」

http://storage.it168.com/a2011/1203/1283/000001283190.shtml

据人人网的工程师介绍，人人网现在一共2.2亿用户，平均每个用户有大约190个好友，月均40亿的照片访问量。尽管相比于中国最大的即时通讯公司 腾讯，其用户量还有一定差距，但人人网却具有举足轻重的优势。例如有一成的付费用户，平均每天有五成用户使用人人网，并且八成用户在人人网留下了真实资 料。

人人网高级技术经理白伯纯

　 　人人网的白伯纯工程师认为，现在的互联网已经发展到了web 2.0时代，其与web 1.0相比，最大不同在于，每个用户都具有唯一标识，而这将给人人网带来巨大的机遇。用户每天都在产生内容，如果能够对其内容进行分析处理，并推送相应的 内容给他，那么就能对用户产生黏性。

　　上图显示的是人人网结构化数据产生的拓扑图，其中的每个点代表一个用户，用户与用户之间通过内容联系起来。

　　用户产生的内容会通过用户的转发而维系起来，而在这些用户中，通常有一些用户的内容会受到其他大量用户的肯定。而人人网要做的就是通过对内容的分析计算，找出这个“意见领袖”。上图中所示的红点即为“意见领袖”。

　　不同群体的用户可以通过内容维系起来。

　　最后，人人网的工程师给我们分析了人人网统计平台和聚类推荐的架构图，这跟我们介绍了Facebook公司的实时海量数据处理平台有共通之处。据透露，人人网的这个平台一共有200台服务器，采用的是Hadoop 0.21.0版本，每天大概要处理4000以上的任务，经常使用的数据量为700TB，其总共的数据量约为1.2PB，其中涉及的工具包括Hive、HBase以及Streaming。在另外的一个30台服务器组成的集群中，采用的是Hadoop 0.20.3版本，在这个集群中，只使用了HBase。

　　人人网整个统计平台的体系架构如上图所示。因为各个部门工程师对于各种技术的熟练程度不一，所以形成了以BI、Hive和M/R三种统计图形的统计效果，而人人网的各个子平台也呈现出以一种离散状态，但这些都通过Hadoop这个平台又集中地整合到一起。