GraphFrames：一个基于DataFrame的图处理库

原文：Introducing GraphFrames
作者：Joseph Bradley、Tim Hunter、Ankur Dave、Xiangrui Meng

近日，Databricks和UC Berkeley及MIT一起为Apache Spark设计了一个图处理库——GraphFrames。它既能利用DataFrame良好的扩展性和强大的性能，同时也为Scala、Java和Python提供了统一的图处理API。

GraphFrames

与Apache Spark的GraphX类似，GraphFrames支持多种图处理功能，但得益于DataFrame因此GraphFrames与GraphX库相它有着下面几方面的优势：

• 统一的 API: 为Python、Java和Scala三种语言提供了统一的接口，这是Python和Java首次能够使用GraphX的全部算法。
• 强大的查询功能：GraphFrames使得用户可以构建与Spark SQL以及DataFrame类似的查询语句。
• 图的存储和读取：GraphFrames与DataFrame的数据源完全兼容，支持以Parquet、JSON以及CSV等格式完成图的存储或读取。
  在GraphFrames中图的顶点(Vertex)和边(edge)都是以DataFrame形式存储的，所以一个图的所有信息都能够完整保存。

示例

比如说我们现在有一个社交关系图，每一名用户也就是顶点由他们之间的关系所连接，比如下面的这个例子：