Hadoop好友推荐系统-推荐结果查询

深藏阁楼爱情的钟 2022-06-12 02:09 215阅读 0赞

### 项目总目录：[基于Hadoop的好友推荐系统项目综述][Hadoop] ###

## 一、前端展示 ##

### 1、jsp页面 ###

<%@ page language="java" import="java.util.*" pageEncoding="UTF-8"%>
    <%
    String path = request.getContextPath();
    String basePath = request.getScheme()+"://"+request.getServerName()+":"+request.getServerPort()+path+"/";
    %>
    
    
      <body>
      <div  data-options="region:'north',border:false" style="height:60px;padding:50px 50px 10px 50px;">
      <h1> 朋友推荐</h1> 
      <label>用户ID：</label>
      <input class="easyui-validatebox" type="text"
        id="recommend_input_id" data-options="required:true" style="width:300px"
                        value="9905" />
      <a id="recommend_button_id" href="" class="easyui-linkbutton" data-options="iconCls:'icon-note'">查看</a>
    
      <br><hr><br>
        </div>
    
        <div id="recommend_return_id" style="padding-left: 30px;font-size: 20px;padding-top:10px;"></div>
        <br>
        <div id="recommend_layer_id" style="width:1100px;height:300px;display:none">
            <table id="recommend_id" class ="easyui-datagrid"  >
    
            </table>
        </div>
         
        <script type="text/javascript" src="js/recommend.js"></script>
    
      </body>

### 2、js逻辑 ###

// reocmmend 用户查询及推荐
        var id_=$('#recommend_input_id').val();
    
        $('#recommend_id').datagrid({
            border : false,
            fitColumns : false,
            singleSelect : true,
            width : 600,
            height : 250,
            nowrap : false,
            fit : true,
            pagination : true,// 分页控件
            pageSize : 4, // 每页记录数，需要和pageList保持倍数关系
            pageList : [ 4, 8, 12 ],
            rownumbers : true,// 行号
            pagePosition : 'top',
            url : 'dB/dB_getRecommendData.action',
    //      url:'',
            queryParams: {
                id: id_ // ,
            // subject: 'datagrid'
            },
            idField:'id',
            columns :[[
                    {
                        field : 'displayName',
                        title : '用户名',
                        width : '120'
                    },{
                        field : 'downVotes',
                        title : '反对数',
                        width : '150'
                    },{
                        field : 'upVotes',
                        title : '支持数',
                        width : '150'
                    },{
                        field : 'views',
                        title : '浏览数',
                        width : '150',
                    },{
                        field : 'reputation',
                        title : '声望值',
                        width : '150'
                    },{
                        field : 'aboutMe',
                        title : '关于我',
                        width : '300'
                    }
                     ]]
                }); 
    
        // recomend
    });

## 二、后台逻辑 ##

### 1、action层 ###

对应的action在这里获取：url : ‘dB/dB\_getRecommendData.action’,

/**
         * 获取推荐信息
         */
        public void getRecommendData(){
            Map<String,Object> map = null;
    
            try{
                map=dBService.getRecommendData(id,rows,page);
            }catch(Exception e){
                e.printStackTrace();
            }
            String json =JSON.toJSONString(map);
            log.info(json);
            Utils.write2PrintWriter(json);
            return ;
        }

### 2、service层 ###

/**
         * 获取推荐信息
         * 1. 根据id查询UserGroup看是否有记录； 
         * 2. 如有记录，则用户有推荐的朋友；跳转到4；
         * 3. 如果没有，则返回说当前用户没有分组； 
         * 4. 根据查询的groupType再次查询所有该组的id； 
         * 5. 根据4中的id去UserData中查找数据并显示；
         * 
         * @param id
         * @param page
         * @param rows
         * @return
         * @throws Exception
         */
        public Map<String, Object> getRecommendData(String id, int rows, int page) throws Exception {
            Map<String, Object> map = new HashMap<String, Object>();
            String hql = "from UserGroup ug where ug.userId=?";
            Object ug = null;
            try {
                ug = baseDao.get(hql, new Object[] { Integer.parseInt(id) });
                if (ug == null) {
       //
                    map.put("flag", "false");
                    map.put("html", "当前用户没有分组,不能推荐朋友！");
                    map.put("msg", "当天用户没有分组!");
                    return map;
                }
                UserGroup userG = (UserGroup) ug;
                int groupType = userG.getGroupType();
                hql = "select count(1) from UserGroup ug where ug.groupType=?";
                long total = (long) baseDao.count(hql, new Object[] { groupType });
                hql = "from UserGroup ug where ug.groupType=?";
                List<Object> userGroups = baseDao.find(hql, new Object[] { groupType }, page, rows);
    
                List<UserData> userDatas = new ArrayList<UserData>();
                UserData ud = null;
                hql = "from UserData ud where ud.id=?";
                for (Object u : userGroups) {
                    userG = (UserGroup) u;
                    ud = (UserData) baseDao.get(hql, new Object[] { userG.getUserId() });
                    userDatas.add(ud);
                }
                map.put("flag", "true");
                map.put("html", "当前用户的分组是：" + groupType + ",下面是该用户的推荐朋友：");
                map.put("total", total);
                map.put("rows", userDatas);
            } catch (Exception e) {
                e.printStackTrace();
                map.put("flag", "false");
                map.put("html", "后台运行出错！");
                map.put("msg", "后台运行出错!");
                throw e;
            }
    
            return map;
        }

## 三、程序运行截图 ##

![这里写图片描述][20170712211116145]

[Hadoop]: http://blog.csdn.net/xiaokang123456kao/article/details/75006624
[20170712211116145]: /images/20220612/9b10a89449264b3b85d7821795fb625c.png