如何在spark-graphx中获得两跳邻居？

Question

我已经使用graphx创建了一个有向图。

#src->dest
a  -> b  34
a  -> c  23
b  -> e  10
c  -> d  12
d  -> c  12
c  -> d  11

我想让所有两个跳邻居都像这样：

a  -> e  44
a  -> d  34

我的图表非常大，所以我想优雅而高效地完成它。有没有人有什么建议，在图形实例上做这件事的最佳方法是什么？

Answer 1

您可以使用GraphFrames库简洁地表达这一点。首先，您必须包含所需的包。对于Spark 2.0和Scala 2.11，您可以添加

graphframes:graphframes:0.2.0-spark2.0-s_2.11

在conf/spark-defaults.conf中设置为spark.jars.packages，或将其作为spark-submit的--packages参数传递。

接下来，您应该将Graph转换为GraphFrame。您可以使用fromGraphX方法：

import org.graphframes.GraphFrame
import org.apache.spark.graphx._

val nodes = sc.parallelize(Seq(
  (1L, "a"), (2L, "b"), (3L, "c"), (4L, "d"), (5L, "e")))

val edges = sc.parallelize(Seq(
   Edge(1L, 2L, 34), Edge(1L, 3L, 23), Edge(2L, 5L, 10),
   Edge(3L, 4L, 12), Edge(3L, 3L, 12), Edge(3L, 5L, 11)))

val graph = Graph(nodes, edges)

val graphFrame = GraphFrame.fromGraphX(graph)

GraphFrame提供了find方法，该方法采用类似于Cypher的语言中的模式。两跳可以表示为：

val pattern = "(x1) - [a] -> (x2); (x2) - [b] -> (x3)"

其中(_)表示节点，[_]边。与模式匹配的路径：

val paths = graphFrame.find(pattern)

和select字段：

paths.select($"x1.attr", $"x3.attr", $"a.attr" + $"b.attr").show()