如何在数据集中添加关注者计数（最活跃的用户）

Question

我有一个社交网络的数据集，包含有关如何遵循的信息 我需要找到最活跃的用户（例如最重要的用户） 我的数据集行像是吼叫

 1000066:262792,273106,590979,1152305,1691577,1888250

其中一些就像这些

1000073:private
1000069:notfound

问题1：如何使所有rdd对的密钥成为第一个用＆＃39;分隔的数字的任何行的rdd：＆＃39;用＆＃39;和＃39;分隔的价值和价值 问题2： 我怎么能用graphx解决这个问题？ 我只需要在此数据集中找到最活跃的用户 在此先感谢，回答任何这些也将有所帮助

Answer 1

Q1。您可以创建(user, followers)

的RDD元组

在map函数中，将RDD的每一行传递给：

def createTuple(s: String) = {
  val kv = s.split(":")
  val user = kv(0)
  val followers = kv(1).split(",")
  val count = followers.length

  (user, followers, count)
}