大数据基础之SparkGraphX——SparkGraphX基本简介及寻找网络红人项目实战分析

图(Graph)的基本概念

• 图是有顶点集合(vertex)及顶点之间的关系结合(边egde)组成的一种网状数据结构
    - 通常表示为二元祖：Graph=（V,E）
    - 可以对事物之间的关系建模
• 应用场景
    - 在地图应用中寻找最短路径
    - 社交网络关系
    - 网页间超链接关系
  
• 顶点（Vertex）
• 边（Edge）

//顶点集合
V={v1,v2,v3}
//边集合
E={(v1,v2),(v2,v3),(v1,v3)}
Graph=(V,E)

• 度（一个顶点所有边的数量）
    - 出度：指从当前顶点指向其他顶点的边的数量
    - 入度：其他顶点指向当前顶点的边的数量

图的经典表示法：邻接矩阵

• 对于每条边，矩阵中相对应的单元格值为1
• 对于每个循环，矩阵中相对应的单元格值为2，方便在行或列上求得顶点度

Spark GraphX

• GraphX是Spark提供分布式图计算API
• GraphX特点
    - 基于内存实现了数据的复用与快速读取
    - 通过弹性分布式属性图(Property Graph)统一了图视图与表视图
    - 与Spark Streaming、Spark SQL和Spark MLlib等无缝衔接

GraphX API

• Graph[VD,ED]
• VertexRDD[VD]
• EdgeRDD[ED]
• EdgeTriplet[VD,ED]
• Edge：样例类
• VertexId：Long的别名

//    建立所有的点
    val vects = sc.makeRDD(Seq((3l,("rxin","stu")),(5l,("张三","prof")),(2l,("lisi","prof")),(7l,("xx","prodoc"))))

//    建立所有的边
    val edges = sc.makeRDD(Seq(Edge(2l,5l,"ts"),Edge(5l,3l,"zd"),Edge(5l,7l,"pi"),Edge(3l,7l,"collab")))

//    建立图
    val graph = Graph(vects,edges)

图属性值

val conf = new SparkConf().setAppName("mygraphx").setMaster("local[*]")
    val sc = SparkContext.getOrCreate(conf)

//    建立所有的点
    val vects = sc.makeRDD(Seq((3l,("rxin","stu")),(5l,("张三","prof")),(2l,("lisi","prof")),(7l,("xx","prodoc"))))

//    建立所有的边
    val edges = sc.makeRDD(Seq(Edge(2l,5l,"ts"),Edge(5l,3l,"zd"),Edge(5l,7l,"pi"),Edge(3l,7l,"collab")))

//    建立图
    val graph = Graph(vects,edges)
//    打印图的点和边的个数
    println(graph.numEdges,graph.numVertices)
//	   遍历图的所有点信息
    graph.vertices.foreach(x=>println(x._1,x._2))
//	   遍历图的所有边信息
    graph.edges.foreach(x=>println(x.srcId,x.dstId,x.attr))
//	   遍历图的所有边信息（边中的点信息是点的值的信息，不是点的别名）
    graph.triplets.foreach(x=>println(x.srcAttr,x.dstAttr,x.attr))
//	   遍历所有边的入度
    graph.inDegrees.foreach(x=>println(x))
//	   遍历所有边的出度
    graph.outDegrees.foreach(x=>println(x))
//	   遍历所有边的出入度的和
    graph.degrees.foreach(println)

图的算子：

属性算子

• 类似于RDD的map操作

//    建立所有的点
val vects = sc.makeRDD(Seq((3l,("rxin","stu")),(5l,("张三","prof")),(2l,("lisi","prof")),(7l,("xx","prodoc"))))

//    建立所有的边
    val edges = sc.makeRDD(Seq(Edge(2l,5l,"ts"),Edge(5l,3l,"zd"),Edge(5l,7l,"pi"),Edge(3l,7l,"collab")))

//    建立图
    val graph = Graph(vects,edges)
  graph.mapEdges(e=>Edge(e.srcId,e.dstId,e.attr+",hello")).edges.foreach(x=>println(x.attr))

结构算子

val t1_graph = tweeter_graph.reverse             //改变边的方向
//生成满足顶点和边的条件的子图
val t2_graph = tweeter_graph.subgraph(vpred=(id,attr)=>attr._2<65)  //attr:(name,age)

Join算子

• 从外部的RDD加载数据，修改顶点属性，(join的后边必须为RDD)

//外部RDD数据
val newPoint = sc.parallelize(Array((3l,"hehe"),(5l,"xixi"),(4l,"cici")))
//关联点，修改点的值
graph.joinVertices(newPoint)((id,src,newVal)=>(src._1+"@"+newVal,src._2)).vertices.foreach(f=>println(f._2))

//当与RDD中的顶点不匹配时，值为None
graph.outerJoinVertices(newPoint)((id,src,newVal)=>(src._1+"@"+newVal,src._2)).vertices.foreach(f=>println(f._2))

网络红人项目实战

• 数据：(这里只是一部分，如果需要更多请自己仿造生成，这里不便上传太多)

((User47,86566510),(User83,15647839))
((User47,86566510),(User42,197134784))
((User89,74286565),(User49,19315174))
((User16,22679419),(User69,45705189))
((User37,14559570),(User64,24742040))
((User31,63644892),(User10,123004655))
((User10,123004655),(User50,17613979))
((User37,14559570),(User11,14269220))
((User78,3365291),(User30,93905958))
((User14,199097645),(User60,16547411))
((User3,14874480),(User42,197134784))
((User40,813286),(User9,15434432))
((User10,123004655),(User34,10211502))
((User90,34870269),(User53,25566593))
((User12,24741956),(User60,16547411))
((User12,24741956),(User5,18927441))

• 格式：((user* , ),(user , ))
    - (user , *)=(用户名，用户ID)
    - 前一个用户表示被跟随者(followee)
    - 后一个用户表示跟随者(follower)
• 创建图并计算每个用户的粉丝数量
• 找出网络红人

代码实现：

object TestMyGraphx {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setMaster("local[1]").setAppName("MyFans")
    val sc = SparkContext.getOrCreate(conf)
//    1.读文件
    var rdd = sc.textFile("file:///d:/twitter_graph_data.txt").cache()
//    2.分割数据，获得所有的点并去重
    val partten = """([a-zA-Z0-9]+),([0-9]+)""".r

    val vects = rdd.flatMap(str=>{
      partten.findAllIn(str).map(e=>{
        val ff = e.split(",")
        (ff(1).toLong,ff(0))
      })
    }).distinct()


//    3.分割数据，获得所有的边，权重设定为1
        val partten1 = """\(\([a-zA-Z0-9]+,([0-9]+)\),\([a-zA-Z0-9]+,([0-9]+)\)\)""".r
        val edgs =rdd.flatMap(str=>{
          partten1.findAllMatchIn(str).map(x=>(Edge(x.group(1).toLong,x.group(2).toLong,1)))
        })

//    4.构成图
    var graphx = Graph(vects,edgs)
//    5.获取所有点的入度，按入度排序，前n名即为网络红人
    val hong = graphx.inDegrees.repartition(1).sortBy(-_._2).take(3)
    sc.makeRDD(hong).join(vects).foreach(println)
  }
}

//结果展示：
(15913,(67,User94))
(59804598,(58,User36))
(24742040,(58,User64))