Contexto empresarial
Una empresa de telecomunicaciones quiere identificar a los top influencers en una red social masiva para una campaña de marketing. Dado el volumen de datos, se requiere un cálculo aproximado de la intermediación para optimizar tiempos y el uso de procesamiento distribuido.
Preparación de datos
Generación sintética de una red social grande con 10,000 enlaces para probar rendimiento.
¡Copiado!
| 1 | DATA mycas.red_social; |
| 2 | DO i = 1 to 10000; |
| 3 | from_user = cats('User_', floor(rand('uniform')*1000)); |
| 4 | to_user = cats('User_', floor(rand('uniform')*1000)); |
| 5 | IF from_user ne to_user THEN OUTPUT; |
| 6 | END; |
| 7 | RUN; |
Étapes de réalisation
1
Verificación de recursos disponibles (opcional, conceptual).
¡Copiado!
| 1 | /* Asumimos entorno distribuido disponible */ |
2
Ejecución de centrality con muestreo (samplePercent) y multihilo para rendimiento.
¡Copiado!
| 1 | PROC CAS; |
| 2 | ACTION network.centrality / |
| 3 | links={name="red_social"} |
| 4 | direction="DIRECTED" |
| 5 | between="UNWEIGHT" |
| 6 | samplePercent=15.0 |
| 7 | nThreads=8 |
| 8 | distributed=TRUE |
| 9 | outNodes={name="top_influencers", replace=true}; |
| 10 | RUN; QUIT; |
Resultado esperado
La acción debe completarse rápidamente gracias al parámetro 'samplePercent' (15%) y 'distributed=TRUE'. La tabla 'top_influencers' contendrá estimaciones de centralidad. El log debe reflejar el uso de múltiples hilos.