加入收藏 | 设为首页 | 会员中心 | 我要投稿 李大同 (https://www.lidatong.com.cn/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 综合聚焦 > 服务器 > 安全 > 正文

scala – 如何从graphx中的元组构建图形并在之后标记节点?

发布时间:2020-12-16 18:43:52 所属栏目:安全 来源:网络整理
导读:有些上下文可以找到 here,我的想法是我已经从Hive表上的请求中收集的元组创建了一个图形.这些对应于国家之间的贸易关系. 以这种方式构建图形后,顶点未标记.我想学习学位分布并获得最相关国家的名字.我尝试了两个选项: 首先:我尝试使用函数idMap中的顶点的
有些上下文可以找到 here,我的想法是我已经从Hive表上的请求中收集的元组创建了一个图形.这些对应于国家之间的贸易关系.
以这种方式构建图形后,顶点未标记.我想学习学位分布并获得最相关国家的名字.我尝试了两个选项:

>首先:我尝试使用函数idMap中的顶点的字符串名称映射顶点的索引,该函数在收集和打印十个顶部连接度的函数内.
>第二:我试图将标签添加到图形本身的顶点.

在这两种情况下,我都会收到以下错误:任务不可序列化

全球代码:

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

val sqlContext= new org.apache.spark.sql.hive.HiveContext(sc)
val data = sqlContext.sql("select year,trade_flow,reporter_iso,partner_iso,sum(trade_value_us) from comtrade.annual_hs where length(commodity_code)='2' and not partner_iso='WLD' group by year,partner_iso").collect()
val data_2010 = data.filter(line => line(0)==2010)
val couples = data_2010.map(line=>(line(2),line(3))) //pays->pays

情侣看起来像这样:数组[(任何,任何)] =数组((MWI,MOZ),(WSM,AUS),(MDA,CRI),(KNA,HTI),(PER,ERI),(SWE,CUB) ),…

val idMap = sc.broadcast(couples 
.flatMap{case (x: String,y: String) => Seq(x,y)}
.distinct 
.zipWithIndex  
.map{case (k,v) => (k,v.toLong)}  
.toMap) 

val edges: RDD[(VertexId,VertexId)] = sc.parallelize(couples
.map{case (x: String,y: String) => (idMap.value(x),idMap.value(y))})

val graph = Graph.fromEdgeTuples(edges,1)

以这种方式构建,顶点看起来像(68,1)

val degrees: VertexRDD[Int] = graph.degrees.cache()

//Most connected vertices 
def topNamesAndDegrees(degrees: VertexRDD[Int],graph: Graph[Int,Int]): Array[(Int,Int)] = {
val namesAndDegrees = degrees.innerJoin(graph.vertices) {
 (id,degree,k) => (id.toInt,degree)}
val ord = Ordering.by[(Int,Int),Int](_._2)
namesAndDegrees.map(_._2).top(10)(ord)}
topNamesAndDegrees(degrees,graph).foreach(println)

我们得到:(79,1016),(64,912),(55,889)……

检索名称的第一个选项:

val idMapbis = sc.parallelize(couples
.flatMap{case (x: String,y)} 
.distinct 
.zipWithIndex  
.map{case (k,v) => (v,k)}  
.toMap)

def topNamesAndDegrees(degrees: VertexRDD[Int],Int]):  Array[(String,name) => (idMapbis.value(id.toInt),degree)}
val ord = Ordering.by[(String,graph).foreach(println)

该任务不可序列化,但函数idMapbis正在工作,因为idMapbis.value没有错误(graph.vertices.take(1)(0)._ 1.toInt)

选项2:

graph.vertices.map{case (k,idMapbis.value(k.toInt))}

该任务不再可序列化(对于上下文,这里是如何修改topNamesAndDegrees以获取此选项中连接最多的顶点的名称)

def topNamesAndDegrees(degrees: VertexRDD[Int],Int]): Array[(String,name) => (name,graph).foreach(println)

我有兴趣了解如何改进这个选项之一,如果有人知道如何,也许两者都有.

解决方法

您尝试的问题是idMapbis是一个RDD.由于我们已经知道您的数据适合内存,您可以像以前一样使用广播变量:

val idMapRev = sc.broadcast(idMap.value.map{case (k,k)}.toMap)
graph.mapVertices{case (id,_) => idMapRev.value(id)}

或者,您可以从头开始使用正确的标签:

val countries: RDD[(VertexId,String)] = sc
  .parallelize(idMap.value.map(_.swap).toSeq)

val relationships: RDD[Edge[Int]] = sc.parallelize(couples
 .map{case (x: String,y: String) => Edge(idMap.value(x),idMap.value(y),1)}
)

val graph = Graph(countries,relationships)

第二种方法有一个重要的优点 – 如果图形很大,你可以相对容易地用连接替换广播变量.

(编辑:李大同)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

    推荐文章
      热点阅读