Question

我有一个用例，我需要计算很多集之间的相似性来创建一个简单的推荐引擎。我正在研究Jaccard系数和其他相似系数公式，但有一点在它们之间很常见：集合中的项目不能重复（如果我在这里错了，请纠正我）。

我在PHP中编写了自己的函数来执行自定义哈希交集，逻辑是：

arr1 ：一个数组，其中键是项的ID，值是其对应的数量。这代表了用户的愿望清单。
arr2 ：与 arr1 相同，但它代表其他用户的广告资源。
我需要这个自定义交集的逻辑是，愿望清单的所有者不关心卖家是否有100个item1。如果他只想要4个，那么只计算4个。

我需要一种非常快速的方式来交叉集合，但是通常的相似系数公式涉及集合的交叉和并集，当比较一组与200k其他集合时，这可能没有我想要的那么快。这是我到目前为止所处的位置：

function my_similarity_coefficient ($arr1, $arr2) {

    $matches = 0;
    $total = 0;

    if (count($arr2) == 0)
        return 0;

    foreach ($arr1 as $id => $qty) {

        $total += $qty;

        if (!array_key_exists($id, $arr2))
            continue;

        $matches += min($qty, $arr2[$id]); // do not match more than what user wants

    }

    return $matches / $total;

}

我尝试在PHP中交叉两个带红色的哈希。尺寸分别为arr1[67]和arr2[231]。系数在未完成的61.98μsec（最差时高达266.075μsec）下计算。如果我尝试从Redis获取数据到PHP，这个数字可以达到905.037μsec-3337.86μsec。

我想保持瓶颈不会将数据从redis传输到PHP，所以我想知道是否可以在lua（或者甚至是c ++）中编写这个自定义交集，如果可能的话，它不会受到影响同样的瓶颈，因为它也从pointA到pointB取出它，或者它不会受到取回瓶颈，因为数据已经是本地的？

我不熟悉lua，但我不打算用准确的代码填充。由于互联网上的lua资源很少与我实际想要达到的目标相关，所以我想在我搜索的时候首先选择一些大脑。

Answer 1

让我们看看。首先，这是您的PHP代码直接转换为Lua。我在这里保留了相同的变量名称，但你称之为＆＃34; Array＆＃34;在PHP中被称为＆＃34;表＆＃34;在Lua。

local my_similarity_coefficient = function(arr1, arr2)

  local matches = 0
  local total = 0

  if next(arr2) == nil then
    return 0
  end

  for id, qty in pairs(arr1) do

    total = total + qty

    if arr2[id] then
      matches = matches + math.min(qty, arr2[id])
    end

  end

  return matches / total

end

请注意，如果arr1为空，此代码可以除以零，但您的代码也可以。

让我们试一试：

local arr1 = {
  a = 3,
  b = 5,
  c = 8,
}

local arr2 = {
  a = 2,
  c = 10,
  d = 7,
  e = 21,
}

print(my_similarity_coefficient(arr1, arr2)) -- 0.625

现在让我们使用Redis。首先，让我们创建测试数据。

redis 127.0.0.1:6379> hmset arr1 a 3 b 5 c 8
OK
redis 127.0.0.1:6379> hmset arr2 a 2 c 10 d 7 e 21
OK

此脚本可以满足您的需求，而不是以最有效的方式（可能会减少对redis.call的调用），但只需简单的方式，您就可以理解它并在需要时对其进行优化：

local k1, k2 = KEYS[1], KEYS[2]
local matches, total = 0, 0

if not redis.call("exists", k2) then return 0 end

local qty, qty2
for _, id in ipairs(redis.call("hkeys", k1)) do
  qty = tonumber(redis.call("hget", k1, id))
  total = total + qty
  qty2 = tonumber(redis.call("hget", k2, id) or 0)
  matches = matches + math.min(qty, qty2)
end

return tostring(matches / total)

我们称之为：

$ redis-cli eval "$(cat the_script.lua)" 2 arr1 arr2
"0.625"

成功！

要注意的重点是类型转换：值（数量）转换为带tonumber的整数（Redis返回字符串），我们将结果转换为字符串，因为如果我们返回一个浮点数Redis会将其截断为整数（此处为0）。

编辑 - 好的，谈论优化而不是说不怎么好，所以这里很简单：

local k1, k2 = KEYS[1], KEYS[2]
local matches, total = 0, 0

if not redis.call("exists", k2) then return 0 end

local t1 = redis.call("hgetall", k1)

local id, qty, qty2
for i=1,#t1,2 do
  id, qty = t1[i], tonumber(t1[i+1])
  total = total + qty
  qty2 = tonumber(redis.call("hget", k2, id) or 0)
  matches = matches + math.min(qty, qty2)
end

return tostring(matches / total)

哈希交叉可能与redis + lua？

1 个答案: