硬核科普：大数据如何快速找到你的同行者【大数据系列06集】

【完整文案】

Hi，大家好，这里是晓阳的数据小站。新冠肺炎尽管给2020蒙上了一层阴影，但危机背后总有新的机遇到来。除了普及了口罩文化，还有一点值得注意的是，大数据被重视了起来。

如果问2020与2003有何区别，最大的区别在于社会一体化的程度大大加强了，同样的春运，带来的是不同的局面。在复杂局面下，用大数据来清理现状，寻找可能的传染源B，对于疫情防控的意义重大。

那么这里不禁要问了，全国14亿人，出行方式多种多样，我们怎样知道哪些人被感染的概率很大呢？

以火车出行为例，我们在12306购买车票，那么铁道部就有了我们的个人信息，包括姓名、电话号码、身份证号、性别、出行方式、车次、车厢、座位、上车站、下车站、换乘站等很多信息。我们把这些信息整理出来，就形成了一条一条的数据。

接下来就是本期的重点：MapReduce方法。MapReduce是大数据计算的核心方法，采用的是分而治之思想。简单说，如果数据太多，我们一下子算不过来，那就把数据分开，一块一块的算，最后把结果汇总起来就可以了。MapReduce有两个阶段，第一个是Map方法，把数据中相关的信息拿出来；第二个是Reduce方法，把不相关信息中的相关项拿出来，放在一起。

通过这种方法，如果我们想知道自己是否与患者有过同乘火车经历，就需要通过以下七个步骤来进行计算：

第一步，获取近期的全国出行数据，统一放到计算平台上；

第二步，进行第一次MapReduce计算，通过Map方法，拿出日期、身份证号、车次、车厢、座位等信息；

第三步，通过Reduce方法，将同一日期、同一车次下的身份证号都放在一起，例如1月23日G100车次所有身份证号称之为数据集A、1月25日G200车次所有身份证号称之为数据集B……；

第四步，将确诊病例的身份证号进行第一次标记；

第五步，进行第二次MapReduce计算，通过Map方法将标记身份证号所在的数据集拿出来，进行第二次标记；

第六步，通过Reduce方法，拿出标记数据集中的其余身份证号，进行第三次标记；

第七步，将第三次标记的身份证号对应的姓名和电话号码拿出来，挨个打电话，通知自行隔离。

这里大家就有一个直观的认知了，如果我们只有姓名，那么还是联系不到这个人，因此12306紧急做了更新，每个购票人都得有手机号才能买票……前一段时间的微博热搜都是紧急寻找某个车次的乘车人，并不是不知道这个人叫什么，只是联系不上而已。

那么普通人如何进行自我检查呢？国内已经有相关平台可以做查询了，接下来要做的，就是点开链接、输入车次、查看结果。当然，因为潜伏期有14天，加上现在的人数太多，导致数据更新不及时，如果近期出了门，接下来的1个月时间，自己查一下都是极好的。

但是，技术只是辅助，要想彻底避免感染的可能性，还是要少出门。就像《头号玩家》里说到的那样：“即使现实再令我恐惧，再令我痛苦，也只有在现实中，我才能真正吃顿好饭。”

标签：06,标记,方法,身份证号,MapReduce,车次,硬核,数据,同行者
来源： https://blog.51cto.com/u_15291990/2978854