Spark + GraphX + Pregel
Spark+GraphX图
Q:什么是图?图的应用场景
A:图是由顶点集合(vertex)及顶点间的关系集合(边edge)组成的一种网状数据结构,表示为二元组:Gragh=(V,E),V\E分别是顶点和边的集合。图很好的表达了事物间的练习,常用于对事物之间的关系建模。常见应用场景有:在地图应用中寻找最短路径、社交网络关系、网页间超链接关系。
——————————————————————————————————————————
Q:有向图与无向图是什么?
A:图的顶点间的连系即边是有向的,有向<A,B>,<C,A>,源顶点到目标顶点的顺序是固定的,形成了顶点的出度和入度。
——————————————————————————————————————————
Q:有环图和无环图是什么?
A:有环图即包含一系列顶点链接的环路,即存在某一点出发还能回到自身。无环图即不存在一点从自身出发还可以回到自身。(有向图)
——————————————————————————————————————————
Q:什么是度
A:度即一个顶点所有便的数量,出度是有向图中从当前顶点指向其他顶点的边的数量,入度是有向图中从其他顶点指向当前顶点的边的数量。
——————————————————————————————————————————
Q:邻接矩阵是什么?
A:表示各顶点之间连接关系的矩阵,相连则为1,自连为2,不相连为0
——————————————————————————————————————————
一、GraphX的数据结构
提供分布式的图计算的API、
基于弹性分布式属性图(V+E)(被封装为RDD【】),统一了表视图与图视图
- Q:什么是弹性分布式属性图(Resilient Distributed Property Graph)
- A:顶点和边都带属性的有向多重图
———————————————————————————————————————————
1、数据结构
注:VD 和 ED 是类的泛型,不要混淆为RDD的存储类型
Graph[VD,ED]
class Graph[VD, ED] {
//基本结构
val vertices: VertexRDD[VD]
val edges: EdgeRDD[ED]
val triplets: RDD[EdgeTriplet[VD, ED]]
//额外信息
val numEdges: Long
val numVertices: Long
val inDegrees: VertexRDD[Int]
val outDegrees: VertexRDD[Int]
val degrees: VertexRDD[Int]}
VertexRDD[VD]
RDD[(VertexId,VD)]
//VertexId:Long的别名
//VD就是顶点数据结构类的泛型
EdgeRDD[ED]
RDD[Edge[ED]]
//Edge 样例类 (srcVid,dstVid,attr:ED)
//ED就是边的数据结构类的泛型
EdgeTriplet[VD,ED]
继承自Edge
是Edge + srcVertex+desVertex的三元组的RDD ,自动推断的
srcid,srcattr,dstid,dstattr,attr
Edge:
样例类case class(src:Long,des:Long,Edata:ED)
VertexId :Long的别名
import org.apache.spark.graphx.GraphLoader
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-graphx_2.11</artifactId>
<version>2.2.0</version>
</dependency>
二、图的操作
1、图的创建
- 图的创建遵循图的数据结构
//通过构造函数建立
import org.apache.spark.graphx._
val vertices:RDD[(VertexId,Int)]=sc.makeRDD(Seq((1L,1),(2L,2),(3L,3)))
val edges=sc.makeRDD(Seq(Edge(1L,2L,1),Edge(2L,3L,2)))
val graph=Graph(vertices,edges) //Graph[Int,Int] ?
//通过边文件建立
port org.apache.spark.graphx.GraphLoader
//加载边列表文件创建图,文件每行描述一条边,格式:srcId dstId。顶点与边的属性均为1
val graph = GraphLoader.edgeListFile(sc,"file:///opt/spark/data/graphx/followers.txt")
//得到的是一个边和点的属性都为Int:1的一个图
注:所有描述图的RDD内的类型都是泛型的类型,不是指图的结构类型。
2、图的修改
2.1 属性算子:Map
* 仅用于修改图中的顶点或边的属性数据,不能改变ID
* map返回值可以与旧值不一致
class Graph[VD, ED] {
//返回值是VD,说明会以返回值替换原Vert中的VD数据而不改变ID
def mapVertices[VD2](map: (VertexId, VD) =>VD2): Graph[VD2, ED]
//替换边的属性值
def mapEdges[ED2](map: Edge[ED] => ED2): Graph[VD, ED2]
//仅能改变边的属性值
def mapTriplets[ED2](map: EdgeTriplet[VD, ED] => ED2: Graph[VD, ED2] //Triplets不能修改顶点的泛型
}
//图的map方法返回的是一个有新的泛型类的Graph
demo实例
val t1_graph = tweeter_graph.mapVertices { case(vertextId, (name, age)) => (vertextId, name) }
val t2_graph = tweeter_graph.mapVertices { (vertextId, attr) => (vertextId, attr._1) }
val t3_graph = tweeter_graph.mapEdges(e => Edge(e.srcId, e.dstId, e.attr*7.0))
2.2 结构算子
class Graph[VD, ED] {
def reverse: Graph[VD, ED] //改变边的方向,调换srcid和dstid
def subgraph(epred: EdgeTriplet[VD,ED] => Boolean,
vpred: (VertexId, VD) => Boolean): Graph[VD, ED]
} //epred 边的条件可省略,孤立点会被过滤
2.3 Join算子
- 柯里化函数
- map返回值类型与原VD一直
//按id相等与否join
class Graph[VD, ED] {
//等值id的join,用结合了新节点的VD来替换旧的VD
//是个柯里化函数
//返回值必须与主图的VD一致
def joinVertices[U](table: RDD[(VertexId, U)])(map: (VertexId, VD, U) => VD): Graph[VD, ED]
//不等的id的属性会被补null
def outerJoinVertices[U, VD2](table: RDD[(VertexId, U)])(map: (VertexId, VD, Option[U]) => VD2)
: Graph[VD2, ED]
}
demo实例
val tweeters_comps:RDD[(VertexId,String)]= sc.parallelize(Array((1L, "kgc.cn"), (2L, "berkeley.edu"), (3L, "apache.org")))
val t_graph = tweeter_graph.joinVertices(tweeters_comps)((id, v, cmpy) => (v._1 + " @ " + cmpy, v._2))
t_graph.vertices.collect
val s_graph = tweeter_graph.outerJoinVertices(tweeters_comps)((id, v, cmpy) => (v._1 + " @ " + cmpy, v._2))
s_graph.vertices.collect
三、图的应用算法
1、PageRank(PR)算法
用于评估网页链接的质量和数量,以确定该网页的重要性和权威性的相对分数,范围为0到10 从本质上讲,PageRank是找出图中顶点(网页链接)的重要性 1GraphX提供了PageRank API用于计算图的PageRank
class Graph[VD, ED] {
def pageRank(tol: Double, resetProb: Double = 0.15): Graph[Double, Double]
}
val ranks = graph.pageRank(0.0001)
ranks.vertices.sortBy(_._2, false).collect
//res43: Array[(org.apache.spark.graphx.VertexId, Double)] = Array((1,1.7924127957615184), (6,0.9969646507526427), (2,0.9969646507526427), (4,0.9688717814927127), (3,0.6996243163176441), (5,0.5451618049228395))
2、Pregel算法
Pregel是Google提出的用于大规模分布式图计算框架
- 图遍历(BFS)
- 单源最短路径(SSSP)
- PageRank计算
Pregel的计算由一系列迭代组成,称为supersteps
Pregel迭代过程
- 每个顶点从上一个superstep接收入站消息
- 计算顶点新的属性值
- 在下一个superstep中向相邻的顶点发送消息
- 当没有剩余消息时,迭代结束
数据结构:
- initialMsg:在“superstep 0”之前发送至顶点的初始消息
- maxIterations:将要执行的最大迭代次数
- activeDirection:发送消息方向(默认是出边方向:EdgeDirection.Out)
- vprog:用户定义函数,用于顶点接收消息
- sendMsg:用户定义的函数,用于确定下一个迭代发送的消息及发往何处
- mergeMsg:用户定义的函数,在vprog前,合并到达顶点的多个消息
class Graph[VD, ED] {
def pregel[A](initialMsg: A, maxIterations: Int, activeDirection: EdgeDirection)(
//根据jmessage决定如何更新自己的VD【value,originValue】
vprog: (VertexID, VD, A) => VD,
/**
*根据每个节点关联的三元组情况,决定要不要发送信息,以及发送什么信息到哪个节点
*返回的是信息发送目标节点ID和信息message的二元组的迭代器
*/
sendMsg: EdgeTriplet[VD, ED] => Iterator[(VertexID,A)],
//迭代归并多个来源的信息,多个变一个
mergeMsg: (A, A) => A
): Graph[VD, ED] //最终返回的是一个 结构不变、值改变 的新图
}
最新文章
- JFinal - scheduler 插件做定时任务
- React Native的组件ListView
- iOS——关于打印控件
- java之代理模式
- Two kinds of Quaternion SlerpImp (Unity)
- MFC添加背景图片三种方法
- c# 函数简述
- 【Telerik控件学习】-制作3D效果的柱状图(ChartView)
- ASP.NET导出word实例
- 学号 20175313 《实验三 敏捷开发与XP实践》实验报告
- 数据库基础 RDBMS、NoSQL
- centos7下安装docker(16.docker跨主机存储)
- [日常工作] cmd以及bash 直接使用当前目录的方法
- css笔记 - 张鑫旭css课程笔记之 padding 篇
- ASP.NET Web Pages:文件夹
- 2018.09.11 poj2976Dropping tests(01分数规划)
- 卷积交织/解交织C++程序
- 20145204 《Java程序设计》第1周学习总结
- POJ-3131-Cubic Eight-Puzzle(双向BFS+哈希)
- 51nod-1636-dp
热门文章
- Kubernetes --(k8s)入门
- ACM-ICPC 2017 Asia Xi&#39;an
- 2019 ICPC Asia Taipei-Hsinchu Regional Problem K Length of Bundle Rope (贪心,优先队列)
- CF1462-F. The Treasure of The Segments
- conda 命令笔记
- String的20个方法
- Leetcode(5)-最长回文子串(包含动态规划以及Manacher算法)
- 鸟哥的linux私房菜——第十三章学习(Linux 帐号管理与 ACLL 权限设置)
- C++ part3
- HDU 3247 Resource Archiver(AC自动机 + 状压DP + bfs预处理)题解