Cracking the coding interview--Q12.2

January 28, 2013
作者:Hawstein
出处:http://hawstein.com/posts/12.2.html
声明:本文采用以下协议进行授权: 自由转载-非商用-非衍生-保持署名|Creative Commons BY-NC-ND 3.0 ,转载请注明作者及出处。

题目

原文:

How would you design the data structures for a very large social network (Facebook,LinkedIn, etc)? Describe how you would design an algorithm to show the connection, or path, between two people (e.g., Me -> Bob -> Susan -> Jason -> You).

译文:

你会怎样给一个非常大型的社交网站设计数据结构(比如Facebook,LinkedIn)? 设计一个算法来找到任意两个人之间的联系,比如:我 -> Bob -> Susan -> Jason -> 你

解答

方法:

首先,我们先不去考虑数据规模。先从简单的入手。

我们可以把每个人看作一个结点,如果两个人之间是朋友,则这两个结点间有一条边, 这样一来我们就可以构建出一个图。假设我们将“人”这个类设计如下:

class Person {
	Person[] friends;
	// Other info
}

如果要找到两个人之间的联系,即两个人之间间隔着哪些人。我们就从其中的一个人开始, 做广度优先搜索(BFS)。(做双向的BFS会更快)

但是。。。数据规模太大了!

如果我们去处理Orkut或是Facebook上的数据,单台机器根本无法完成这个任务。 因此,我们考虑用多台机器来处理这个问题。这样一来,Person这个类就需要修改了。 在Person类中,我们存储朋友的ID,然后按照以下方式找到朋友:

对于每个朋友id:int machine_index = lookupMachineForUserID(id);
转到标号为machine_index的机器去
Person friend = lookupFriend(machine_index);

对于这个问题,要考虑的优化和问题非常多,这里只列出一些。

优化:减少机器间的跳转次数

机器间的跳转是非常耗时的,因此我们不随机的跳转,而是进行批处理: 比如一个人,他其中的5个朋友在同一台机器上,那么跳转到那台机器后,一次性处理他们。

聪明地划分人与机器

由于同一国家的人更有可能是朋友,因此我们并不随机地把人分配到不同的机器上, 而是以国家,城市,州等进行划分。这样也可以减少机器间的跳转次数。

问题:广度优先搜索会标记已访问结点,对于这个问题,你怎么处理?

在这个问题中,有可能同时有许多人在搜索两人间的联系, 因此直接在原数据上做修改并不好。那怎么办呢?我们可以对每一个搜索, 使用一个哈希表来记录一个结点是否已经访问过。这样一来, 不同人的搜索之间就不会互相干扰。

其它问题

  1. 在真实的世界中,服务器有可能会出故障。你会怎么做?
  2. 你怎么利用缓存?
  3. 你是否一直搜索直到把图上的结点都遍历一次。如何决定什么时间停止搜索。
  4. 在真实世界中,你的朋友里,有一些人的朋友会更多。 那么通过他是否更有可能让你找到与特定某个人的联系。 你怎么利用这个数据来选择遍历的顺序。

下面是算法的示例代码:(java的,就不写成C++了)

public class Server {	
    ArrayList<Machine> machines = new ArrayList<Machine>();
}
public class Machine {
    public ArrayList<Person> persons = new ArrayList<Person>();
    public int machineID;
}

public class Person {	
    private ArrayList<Integer> friends;
    private int ID;
    private int machineID;
    private String info;
    private Server server = new Server();
	
    public String getInfo() { return info; }
	
    public void setInfo(String info) {
        this.info = info;
    }
	
    public int[] getFriends() {
        int[] temp = new int[friends.size()];
        for (int i = 0; i < temp.length; i++) {
            temp[i] = friends.get(i);
        }
        return temp;
    }
	
	
	
    public int getID() { return ID; }
    public int getMachineID() { return machineID; }
    public void addFriend(int id) { friends.add(id); }
	
	
    // Look up a person given their ID and Machine ID
	
    public Person lookUpFriend(int machineID, int ID) {
        for (Machine m : server.machines) {
            if (m.machineID == machineID) {
                for (Person p : m.persons) {
                    if (p.ID == ID){
                        return p;						
                    }
                }
            }
        }
        return null;
    }
	
	
    // Look up a machine given the machine ID
	
    public Machine lookUpMachine(int machineID) {
        for (Machine m:server.machines) {
            if (m.machineID == machineID)
                return m;
        }
        return null;
    }
	
	
    public Person(int iD, int machineID) {
        ID = iD;
        this.machineID = machineID;
    }
}

全书题解目录:

Cracking the coding interview–问题与解答

全书的C++代码托管在Github上:

https://github.com/Hawstein/cracking-the-coding-interview