最近在和人交流時談到資料相似度和資料共性問題，而剛好在業務層面有類似的需求，今天和大家分享這類問題的解決思路，分享目錄如下所示：
業務背景
編碼實踐
預覽截圖
下面開始今天的内容分享。
目前有這樣一個背景，在一大堆資料中，裡面存放着圖檔的相關資訊，如下圖所示：
上圖隻是給大家列舉的一個示例資料格式，第一清單示自身圖檔，第二、第三......等清單示與第一列相關聯的圖檔資訊。那麼我們從這堆資料中如何找出他們擁有相同圖檔資訊的圖檔。
那麼，我們在明确了上述需求後，下面我們來分析它的實作思路。首先，我們通過上圖所要實作的目标結果，其最終計算結果如下所示：
結果如上所示，找出兩兩圖檔之間的共性圖檔，結果未列完整，隻是列舉了部分，具體結果大家可以參考截圖預覽的相關資訊。
下面給大家介紹解決思路，通過觀察資料，我們可以發現在上述資料當中，我們要計算圖檔兩兩的共性圖檔，可以從關聯圖檔入手，在關聯圖檔中我們可
以找到共性圖檔的關聯資訊，比如：我們要計算pic001pic002圖檔的共性圖檔，我們可以在關聯圖檔中找到兩者（pic001pic002組合）後
對應的自身圖檔（key），最後在将所有的key求并集即為兩者的共性圖檔資訊，具體資訊如下圖所示：
通過上圖，我們可以知道具體的實作思路，步驟如下所示：
第一步：拆分資料，關聯資料兩兩組合作為key輸出。
第二步：将相同key分組，然後求并集得到計算結果。
這裡使用一個mr來完成此項工作，在明白了實作思路後，我們接下來去實作對應的編碼。
拆分資料，兩兩組合。
按key分組，求并集
完整示例
關于計算結果，如下圖所示：
本篇部落格隻是從思路上實作了圖檔關聯計算，在資料量大的情況下，是有待優化的，這裡就不多做贅述了，後續有時間在為大家分析其中的細節。
這篇部落格就和大家分享到這裡，如果大家在研究學習的過程當中有什麼問題，可以加群進行讨論或發送郵件給我，我會盡我所能為您解答，與君共勉！