scala - 如何使用 Long 数据类型在 Apache Spark GraphX 中创建 VertexId？

Question

我正在尝试使用一些可以在此处找到的 Google Web Graph 数据创建图表:

https://snap.stanford.edu/data/web-Google.html

import org.apache.spark._
import org.apache.spark.graphx._
import org.apache.spark.rdd.RDD



val textFile = sc.textFile("hdfs://n018-data.hursley.ibm.com/user/romeo/web-Google.txt")
val arrayForm = textFile.filter(_.charAt(0)!='#').map(_.split("\\s+")).cache()
val nodes = arrayForm.flatMap(array => array).distinct().map(_.toLong)
val edges = arrayForm.map(line => Edge(line(0).toLong,line(1).toLong))

val graph = Graph(nodes,edges)

不幸的是，我收到此错误:

<console>:27: error: type mismatch;
 found   : org.apache.spark.rdd.RDD[Long]
 required: org.apache.spark.rdd.RDD[(org.apache.spark.graphx.VertexId, ?)]
Error occurred in an application involving default arguments.
       val graph = Graph(nodes,edges)

那么如何创建 VertexId 对象呢？根据我的理解，传递一个 Long 应该就足够了。

有任何想法吗？

非常感谢!

罗密欧

Answer 1

不完全是。如果你看一下 apply 的签名Graph的方法你会看到这样的对象(完整签名见 API docs ):

apply[VD, ED](
    vertices: RDD[(VertexId, VD)], edges: RDD[Edge[ED]], defaultVertexAttr: VD)

正如您在描述中所读到的:

Construct a graph from a collection of vertices and edges with attributes.

因此，您不能简单地通过 RDD[Long]作为 vertices参数( RDD[Edge[Nothing]] 作为 edges 也不起作用)。

import scala.{Option, None}

val nodes: RDD[(VertexId, Option[String])] = arrayForm.
    flatMap(array => array).
    map((_.toLong, None))

val edges: RDD[Edge[String]] = arrayForm.
    map(line => Edge(line(0).toLong, line(1).toLong, ""))

注意:

Duplicate vertices are picked arbitrarily

所以.distinct()在 nodes在这种情况下已过时。

如果你想创建一个 Graph如果没有属性，您可以使用 Graph.fromEdgeTuples .