项目背景: 根据用户特征，寻找相似用户；
最开始想法：找到用户特征，使用余弦相似度寻找相似用户；
这个想法很base，不过会遇到一个非常大的问题，就是我这个项目将来是要覆盖全站用户，上亿用户的情况下，两两计算相似度，这个算法的复杂度是n的平方，是很大的，现在的计算资源是不支持的。
在这个时候，我在知乎看到一篇文章，文章的问题是，(Spark 千万级用户相似度计算？)[https://www.zhihu.com/question/265901363]
在这个问题中，我了解到对于大用户量的数据，我们在计算相似度的时候，使用LSH算法。
接下来我在搜索LSH算法的时候，看到了这篇文章规模数据的相似度计算：LSH算法
从这篇文章中，我了解到，当数据量和数据维度非常大的时候，计算相似度，我们使用两种方法来降低计算量，第一种方法是MInHashing 算法，这个算法主要是用来降低数据特征维度，第二种方法是LSH算法，
主要是用来降低用户量太大出现的问题。
对于LSH和minhashing 算法，看到了这样一个文章解释的很清楚minhash算法
在实际应用过程中，我们使用的是python的datasketch
原文：https://www.cnblogs.com/lzida9223/p/10831178.html