Spark GraphX图算法应用【分区策略、PageRank、ConnectedComponents，TriangleCount】

一.分区策略

　　

　　GraphX采用顶点分割的方式进行分布式图分区。GraphX不会沿着边划分图形，而是沿着顶点划分图形，这可以减少通信和存储的开销。从逻辑上讲，这对应于为机器分配边并允许顶点跨越多台机器。分配边的方法取决于分区策略PartitionStrategy并且对各种启发式方法进行了一些折中。用户可以使用Graph.partitionBy运算符重新划分图【可以使用不同分区策略】。默认的分区策略是使用图形构造中提供的边的初始分区。但是，用户可以轻松切换到GraphX中包含的2D分区或其他启发式方法。

　　

　　一旦对边进行了划分，高效图并行计算的关键挑战就是将顶点属性和边有效结合。由于现实世界中的图通常具有比顶点更多的边，因此我们将顶点属性移到边上。由于并非所有分区都包含与所有顶点相邻的边，因此我们在内部维护一个路由表，该路由表在实现诸如triplets操作所需要的连接时，标示在哪里广播顶点aggregateMessages。

二.测试数据

　　1.users.txt

　　　　

　　2.followers.txt

　　　　

　　3.数据可视化

　　　　

三.PageRank网页排名

　　1.简介

　　　　使用PageRank测量图中每个顶点的重要性，假设从边u到v表示的认可度x。例如，如果一个Twitter用户被许多其他用户关注，则该用户将获得很高的排名。GraphX带有PageRank的静态和动态实现，作为PageRank对象上的方法。静态PageRant运行固定的迭代次数，而动态PageRank运行直到排名收敛【变化小于指定的阈值】。GraphOps运行直接方法调用这些算法。

　　2.代码实现

package graphx

import org.apache.log4j.{Level, Logger}
import org.apache.spark.graphx.GraphLoader
import org.apache.spark.sql.SparkSession

/**
  * Created by Administrator on 2019/11/27.
  */
object PageRank {
  Logger.getLogger("org").setLevel(Level.WARN)
  def main(args: Array[String]) {
    val spark = SparkSession.builder()
        .master("local[2]")
        .appName(s"${this.getClass.getSimpleName}")
        .getOrCreate()
      val sc = spark.sparkContext
    val graph = GraphLoader.edgeListFile(sc, "D:\software\spark-2.4.4\data\graphx\followers.txt")
    // 调用PageRank图计算算法
    val ranks = graph.pageRank(0.0001).vertices
    // join
    val users = sc.textFile("D:\software\spark-2.4.4\data\graphx\users.txt").map(line => {
      val fields = line.split(",")
      (fields(0).toLong, fields(1))
    })
    // join
    val ranksByUsername = users.join(ranks).map{
      case (id, (username, rank)) => (username, rank)
    }
    // print
    ranksByUsername.foreach(println)
  }
}

　　3.执行结果

　　　　

四.ConnectedComponents连通体算法

　　1.简介

　　　　连通体算法实现把图划分为多个子图【不进行节点切分】，清除孤岛子图【只要一个节点的子图】。其使用子图中编号最小的顶点ID标记子图。

　　2.代码实现

package graphx

import org.apache.log4j.{Level, Logger}
import org.apache.spark.graphx.GraphLoader
import org.apache.spark.sql.SparkSession

/**
  * Created by Administrator on 2019/11/27.
  */
object ConnectedComponents {
  Logger.getLogger("org").setLevel(Level.WARN)
  def main(args: Array[String]) {
    val spark = SparkSession.builder()
      .master("local[2]")
      .appName(s"${this.getClass.getSimpleName}")
      .getOrCreate()
    val sc = spark.sparkContext
    val graph = GraphLoader.edgeListFile(sc, "D:\software\spark-2.4.4\data\graphx\followers.txt")
    // 调用connectedComponents连通体算法
    val cc = graph.connectedComponents().vertices
    // join
    val users = sc.textFile("D:\software\spark-2.4.4\data\graphx\users.txt").map(line => {
      val fields = line.split(",")
      (fields(0).toLong, fields(1))
    })
    // join
    val ranksByUsername = users.join(cc).map {
      case (id, (username, rank)) => (username, rank)
    }
    val count = ranksByUsername.count().toInt
    // print
    ranksByUsername.map(_.swap).takeOrdered(count).foreach(println)
  }
}

　　3.执行结果

　　　　

五.TriangleCount三角计数算法

　　1.简介　　

　　　　当顶点有两个相邻的顶点且它们之间存在边时，该顶点是三角形的一部分。GraphX在TriangleCount对象中实现三角计数算法，该算法通过确定经过每个顶点的三角形的数量，从而提供聚类的度量。注意，TriangleCount要求边定义必须为规范方向【srcId < dstId】，并且必须使用Graph.partitionBy对图进行分区。

　　2.代码实现

package graphx

import org.apache.log4j.{Level, Logger}
import org.apache.spark.graphx.{PartitionStrategy, GraphLoader}
import org.apache.spark.sql.SparkSession

/**
  * Created by Administrator on 2019/11/27.
  */
object TriangleCount {
  Logger.getLogger("org").setLevel(Level.WARN)
  def main(args: Array[String]) {
    val spark = SparkSession.builder()
      .master("local[2]")
      .appName(s"${this.getClass.getSimpleName}")
      .getOrCreate()
    val sc = spark.sparkContext
    val graph = GraphLoader.edgeListFile(sc, "D:\software\spark-2.4.4\data\graphx\followers.txt", true)
      .partitionBy(PartitionStrategy.RandomVertexCut)

    // 调用triangleCount三角计数算法
    val triCounts = graph.triangleCount().vertices
    // map
    val users = sc.textFile("D:\software\spark-2.4.4\data\graphx\users.txt").map(line => {
      val fields = line.split(",")
      (fields(0).toLong, fields(1))
    })
    // join
    val triCountByUsername = users.join(triCounts).map { case (id, (username, tc)) =>
      (username, tc)
    }
    val count = triCountByUsername.count().toInt
    // print
    triCountByUsername.map(_.swap).takeOrdered(count).foreach(println)
  }
}

　　3.执行结果