Spark学习笔记-GraphX-1

2014-09-29 13:04 2339人阅读评论(0) 收藏举报

 分类：
Spark（8） 

版权声明：本文为博主原创文章，未经博主允许不得转载。

Spark GraphX是一个分布式图处理框架，Spark GraphX基于Spark平台提供对图计算和图挖掘简洁易用的而丰富多彩的接口，极大的方便了大家对分布式图处理的需求。Spark GraphX由于底层是基于Spark来处理的，所以天然就是一个分布式的图处理系统。图的分布式或者并行处理其实是把这张图拆分成很多的子图，然后我们分别对这些子图进行计算，计算的时候可以分别迭代进行分阶段的计算，即对图进行并行计算。

Spark GraphX基本操作：

[plain] view plaincopy
import org.apache.spark.SparkContext  
import org.apache.spark._  
import org.apache.spark.graphx._  
import org.apache.spark.graphx.Graph  
import org.apache.spark.graphx.Edge  
import org.apache.spark.graphx.VertexRDD  
import org.apache.spark.graphx.util.GraphGenerators  
import org.apache.spark.graphx.GraphLoader  
import org.apache.spark.storage.StorageLevel  
import org.apache.spark.rdd.RDD  
  
object SparkGraphx1 {  
  
  def main(args: Array[String]) {  
  
    val sc = new SparkContext("spark://centos.host1:7077", "Spark Graphx")  
  
    //创建点RDD  
    val users: RDD[(VertexId, (String, String))] = sc.parallelize(Array(  
        (3L, ("rxin", "student")), (7L, ("jgonzal", "postdoc")),  
        (5L, ("franklin", "prof")), (2L, ("istoica", "prof"))))  
    //创建边RDD  
    val relationships: RDD[Edge[String]] = sc.parallelize(Array(  
        Edge(3L, 7L, "collab"), Edge(5L, 3L, "advisor"),  
        Edge(2L, 5L, "colleague"), Edge(5L, 7L, "pi")))  
    //定义一个默认用户，避免有不存在用户的关系  
    val defaultUser = ("John Doe", "Missing")  
    //构造Graph  
    val graph = Graph(users, relationships, defaultUser)  
      
    //点RDD、边RDD过滤  
    val fcount1 = graph.vertices.filter { case (id, (name, pos)) => pos == "postdoc" }.count  
    println("postdocs users count: " + fcount1)  
    val fcount2 = graph.edges.filter(edge => edge.srcId > edge.dstId).count  
    println("srcId > dstId edges count: " + fcount2)  
    val fcount3 = graph.edges.filter { case Edge(src, dst, prop) => src > dst }.count  
    println("srcId > dstId edges count: " + fcount3)  
      
    //Triplets(三元组)，包含源点、源点属性、目标点、目标点属性、边属性  
    val triplets: RDD[String] = graph.triplets.map(triplet => triplet.srcId + "-" +   
        triplet.srcAttr._1 + "-" + triplet.attr + "-" + triplet.dstId + "-" + triplet.dstAttr._1)  
    triplets.collect().foreach(println(_))  
      
    //度、入度、出度  
    val degrees: VertexRDD[Int] = graph.degrees;  
    degrees.collect().foreach(println)  
    val inDegrees: VertexRDD[Int] = graph.inDegrees  
    inDegrees.collect().foreach(println)  
    val outDegrees: VertexRDD[Int] = graph.outDegrees  
    outDegrees.collect().foreach(println)  
      
    //构建子图  
    val subGraph = graph.subgraph(vpred = (id, attr) => attr._2 != "Missing")  
    subGraph.vertices.collect().foreach(println(_))  
    subGraph.triplets.map(triplet => triplet.srcAttr._1 + " is the " + triplet.attr + " of " + triplet.dstAttr._1)  
        .collect().foreach(println(_))  
     
    //Map操作，根据原图的一些特性得到新图，原图结构是不变的，下面两个逻辑是等价的，但是第一个不会被graphx系统优化  
    val newVertices = graph.vertices.map { case (id, attr) => (id, (attr._1 + "-1", attr._2 + "-2")) }  
    val newGraph1 = Graph(newVertices, graph.edges)  
    val newGraph2 = graph.mapVertices((id, attr) => (id, (attr._1 + "-1", attr._2 + "-2")))  
      
    //构造一个新图，顶点属性是出度  
    val inputGraph: Graph[Int, String] =  
        graph.outerJoinVertices(graph.outDegrees)((vid, _, degOpt) => degOpt.getOrElse(0))  
    //根据顶点属性为出度的图构造一个新图，依据PageRank算法初始化边与点  
    val outputGraph: Graph[Double, Double] =  
        inputGraph.mapTriplets(triplet => 1.0 / triplet.srcAttr).mapVertices((id, _) => 1.0)  
          
    //图的反向操作，新的图形的所有边的方向相反，不修改顶点或边性属性、不改变的边的数目，它可以有效地实现不必要的数据移动或复制    
    var rGraph = graph.reverse  
      
    //Mask操作也是根据输入图构造一个新图，达到一个限制制约的效果  
    val ccGraph = graph.connectedComponents()  
    val validGraph = graph.subgraph(vpred = (id, attr) => attr._2 != "Missing")  
    val validCCGraph = ccGraph.mask(validGraph)  
          
    //Join操作，原图外连出度点构造一个新图  ，出度为顶点属性  
    val degreeGraph2 = graph.outerJoinVertices(outDegrees) { (id, attr, outDegreeOpt) =>  
        outDegreeOpt match {  
            case Some(outDeg) => outDeg  
            case None => 0 //没有出度标识为零  
        }  
    }  
      
    //缓存。默认情况下,缓存在内存的图会在内存紧张的时候被强制清理，采用的是LRU算法  
    graph.cache()  
    graph.persist(StorageLevel.MEMORY_ONLY)  
    graph.unpersistVertices(true)  
      
    //GraphLoader构建Graph  
    var path = "/user/hadoop/data/temp/graph/graph.txt"  
    var minEdgePartitions = 1  
    var canonicalOrientation = false // if sourceId < destId this value is true  
    val graph1 = GraphLoader.edgeListFile(sc, path, canonicalOrientation, minEdgePartitions,  
      StorageLevel.MEMORY_ONLY, StorageLevel.MEMORY_ONLY)  
  
    val verticesCount = graph1.vertices.count  
    println(s"verticesCount: $verticesCount")  
    graph1.vertices.collect().foreach(println)  
  
    val edgesCount = graph1.edges.count  
    println(s"edgesCount: $edgesCount")  
    graph1.edges.collect().foreach(println)  
  
    //PageRank  
    val pageRankGraph = graph1.pageRank(0.001)  
    pageRankGraph.vertices.sortBy(_._2, false).saveAsTextFile("/user/hadoop/data/temp/graph/graph.pr")  
    pageRankGraph.vertices.top(5)(Ordering.by(_._2)).foreach(println)  
      
    //Connected Components  
    val connectedComponentsGraph = graph1.connectedComponents()  
    connectedComponentsGraph.vertices.sortBy(_._2, false).saveAsTextFile("/user/hadoop/data/temp/graph/graph.cc")  
    connectedComponentsGraph.vertices.top(5)(Ordering.by(_._2)).foreach(println)  
      
    //TriangleCount主要用途之一是用于社区发现 保持sourceId小于destId  
    val graph2 = GraphLoader.edgeListFile(sc, path, true)  
    val triangleCountGraph = graph2.triangleCount()  
    triangleCountGraph.vertices.sortBy(_._2, false).saveAsTextFile("/user/hadoop/data/temp/graph/graph.tc")  
    triangleCountGraph.vertices.top(5)(Ordering.by(_._2)).foreach(println)  
  
    sc.stop()  
  }  
    
}  
Pasted from: http://blog.csdn.net/fighting_one_piece/article/details/39668267

From WizNote

来源：https://www.cnblogs.com/zDanica/p/5471617.html

标签

spark

数据处理