Question

我很难理解我将如何在Apache spark中创建GraphX中的以下内容。我得到以下信息：

一个hdfs文件，其中包含以下格式的数据：

节点：ConnectingNode1，ConnectingNode2 ..

例如：

123214：521345,235213,657323

我需要以某种方式将这些数据存储在EdgeRDD中，以便我可以在GraphX中创建我的图形，但我不知道我将如何进行此操作。

Answer 1

在您阅读了hdfs来源并将数据放在rdd后，您可以尝试以下内容：

import org.apache.spark.rdd.RDD
import org.apache.spark.graphx.Edge
// Sample data
val rdd = sc.parallelize(Seq("1: 1, 2, 3", "2: 2, 3"))

val edges: RDD[Edge[Int]] = rdd.flatMap {
  row => 
    // split around ":"
    val splitted = row.split(":").map(_.trim)
    // the value to the left of ":" is the source vertex:
    val srcVertex = splitted(0).toLong
    // for the values to the right of ":", we split around "," to get the other vertices
    val otherVertices = splitted(1).split(",").map(_.trim)
    // for each vertex to the right of ":", we create an Edge object connecting them to the srcVertex:
    otherVertices.map(v => Edge(srcVertex, v.toLong, 1))
}

修改

此外，如果您的顶点具有恒定的默认权重，您可以直接从边创建图形，因此您不需要创建顶点RDD：

import org.apache.spark.graphx.Graph val g = Graph.fromEdges(edges, defaultValue = 1)

如何使用此方法在GraphX中创建图形

1 个答案: