scala – 如何从graphx中的元组构建图形并在之后标记节点?
|
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. 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! |
