GraphX实现N度关系

背景

本文给出了一个简单的计算图中每一个点的N度关系点集合的算法，也就是N跳关系。

之前通过官方文档学习和理解了一下GraphX的计算接口。

N度关系

目标：

在N轮里。找到某一个点的N度关系的点集合。

实现思路：

1. 准备好边数据集。即”1 3”, “4, 1” 这种点关系。

使用GraphLoader 的接口load成Graph

2. 初始化每一个Vertice的属性为空Map

3. 使用aggregateMessages把VerticeID和totalRounds传播出度点上，出度点把收集到的信息合成一个大Map

4. 更新后的Vertice与原图进行”Join”，更新图中的变化过的点属性

5. 反复步骤3和4，最后输出更新了N轮之后的有关系的Vertice

spark-shell下可运行的代码：

import org.apache.spark._
import org.apache.spark.graphx._
import org.apache.spark.rdd.RDD

val friendsGraph = GraphLoader.edgeListFile(sc, "data/friends.txt")
val totalRounds: Int = 3 // total N round
var targetVerticeID: Long = 6 // target vertice

// round one
var roundGraph = friendsGraph.mapVertices((id, vd) => Map())
var roundVertices = roundGraph.aggregateMessages[Map[Long, Integer]](
  ctx => {
    if (targetVerticeID == ctx.srcId) {
      // only the edge has target vertice should send msg
      ctx.sendToDst(Map(ctx.srcId -> totalRounds))
    }
  },
  _ ++ _
)

for (i <- 2 to totalRounds) {
  val thisRoundGraph = roundGraph.outerJoinVertices(roundVertices){ (vid, data, opt) => opt.getOrElse(Map[Long, Integer]()) }
  roundVertices = thisRoundGraph.aggregateMessages[Map[Long, Integer]](
    ctx => {
      val iterator = ctx.srcAttr.iterator
      while (iterator.hasNext) {
        val (k, v) = iterator.next
        if (v > 1) {
          val newV = v - 1
          ctx.sendToDst(Map(k -> newV))
          ctx.srcAttr.updated(k, newV)
        } else {
          // do output and remove this entry
        }
      }
    },
    (newAttr, oldAttr) => {
      if (oldAttr.contains(newAttr.head._1)) { // optimization to reduce msg
        oldAttr.updated(newAttr.head._1, 1) // stop sending this ever
      } else {
        oldAttr ++ newAttr
      }
    }
  )
}

val result = roundVertices.map(_._1).collect

数据和输出

2 1
4 1
1 2
6 3
7 3
7 6
6 7
3 7
4 3
1 6
6 1

Array(6, 1, 3, 7)

总结

实现的比較naive。还有很多能够优化的地方。

全文完 :)