sparkGraph的pregel
本文是为了加强理解spark的pergel算法
一：Spark GraphX Pregel：
**
Pregel是google提出的用于大规模分布式图计算框架
**图遍历(bfs)
单源最短路径（sssp）
pageRank计算
Pregel的计算有一系列迭代组成
Pregel迭代过程
每个顶点从上一个superstep接收入站消息计算顶点新的属性在下一个superstep中向相邻的顶点发送消息当没有剩余消息时，迭代结束
二：Pregel计算过程：
Pregel函数源码及各个参数解析：
def pregel[A: ClassTag](
// 图节点的初始信息
initialMsg: A,
// 最大迭代次数
maxIterations: Int = Int.MaxValue,
//
activeDirection: EdgeDirection = EdgeDirection.Either)(
vprog: (VertexId, VD, A) => VD,
sendMsg: EdgeTriplet[VD, ED] => Iterator[(VertexId, A)],
mergeMsg: (A, A) => A)
: Graph[VD, ED] = {
Pregel(graph, initialMsg, maxIterations, activeDirection)(vprog, sendMsg, mergeMsg)
}| 参数 | 说明 |
|---|---|
| initialMsg | 图初始化的时候，开始模型计算的时候，所有节点都会先收到一个消息 |
| maxIterations | 最大迭代次数 |
| activeDirection | 规定了发送消息的方向 |
| vprog | 节点调用该消息将聚合后的数据和本节点进行属性的合并 |
| sendMsg | 激活态的节点调用该方法发送消息 |
| mergeMsg | 如果一个节点接收到多条消息，先用mergeMsg 来将多条消息聚合成为一条消息，如果节点只收到一条消息，则不调用该函数 |
三：案例：单源最短路径
首先要清楚关于 顶点 的两点知识：
1、顶点 的状态有两种：
(1)、钝化态【类似于休眠，不做任何事】
(2)、激活态【干活】
2、顶点 能够处于激活态需要有条件：
(1)、成功收到消息 或者
(2)、成功发送了任何一条消息
第一步：调用pregel方法：
第一步：调用pregel方法：
从3出发，除自身顶点外所有顶点都将接收一条初始消息initialMsg，使所有顶点处于激活态，并将属性改成无穷大。自身顶点为0。
第二步：第一次迭代：
所有顶点以EdgeDirection.Out的边方向调用sendMsg方法发送消息给目标顶点，如果 源顶点的属性+边的属性<目标顶点的属性，则发送消息。否则不发送。之后只有两条边的信息发送成功了
5—>6(0+3
第四步：不断迭代，直至所有顶点处于钝化态
每个顶点的属性，就是顶点5到达各个顶点的最短距离。
案例代码如下：
package com.wyw
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.graphx._
import org.apache.spark.rdd.RDD
object Pregel {
//1、创建SparkContext
val sparkConf = new SparkConf().setAppName("GraphxHelloWorld").setMaster("local[*]")
val sparkContext = new SparkContext(sparkConf)
//2、创建顶点
val vertexArray = Array(
(1L, ("Alice", 28)),
(2L, ("Bob", 27)),
(3L, ("Charlie", 65)),
(4L, ("David", 42)),
(5L, ("Ed", 55)),
(6L, ("Fran", 50))
)
val vertexRDD: RDD[(VertexId, (String,Int))] = sparkContext.makeRDD(vertexArray)
//3、创建边，边的属性代表 相邻两个顶点之间的距离
val edgeArray = Array(
Edge(2L, 1L, 7),
Edge(2L, 4L, 2),
Edge(3L, 2L, 4),
Edge(3L, 6L, 3),
Edge(4L, 1L, 1),
Edge(2L, 5L, 2),
Edge(5L, 3L, 8),
Edge(5L, 6L, 3)
)
val edgeRDD: RDD[Edge[Int]] = sparkContext.makeRDD(edgeArray)
//4、创建图（使用aply方式创建）
val graph1 = Graph(vertexRDD, edgeRDD)
/* ************************** 使用pregle算法计算 ，顶点5 到 各个顶点的最短距离 ************************** */
//被计算的图中 起始顶点id,初始化把点属性全部换成正无穷
val srcVertexId = 5L
val initialGraph = graph1.mapVertices{
case (vid,(name,age)) =>
if (vid==srcVertexId)
0.0
else
Double.PositiveInfinity
}
//5、调用pregel柯里化函数
val pregelGraph: Graph[Double, PartitionID] = initialGraph.pregel(
Double.PositiveInfinity,
Int.MaxValue,
EdgeDirection.Out
)(
// 传三个匿名函数参数
// 我收到消息后与本节点判断
(vid: VertexId, vd: Double, distMsg: Double) => {
// 比较两者值
val minDist = math.min(vd, distMsg)
println(s"顶点$vid，属性$vd，收到消息$distMsg，合并后的属性$minDist")
// 把小数据发送出去
minDist
},
// 是不是要向下个点发数据
(edgeTriplet: EdgeTriplet[Double,PartitionID]) => {
// 检查起点+权重的值 和终点的值判断，小于才发送
if (edgeTriplet.srcAttr + edgeTriplet.attr < edgeTriplet.dstAttr) {
println(s"顶点${edgeTriplet.srcId} 给 顶点${edgeTriplet.dstId} 发送消息 ${edgeTriplet.srcAttr + edgeTriplet.attr}")
Iterator[(VertexId, Double)]((edgeTriplet.dstId, edgeTriplet.srcAttr + edgeTriplet.attr))
} else {
Iterator.empty
}
},
// 多个消息进行判断，取最小的消息发送，每次都处理2个
(msg1: Double, msg2: Double) => math.min(msg1, msg2)
)
//6、输出结果
// pregelGraph.triplets.collect().foreach(println)
// println(pregelGraph.vertices.collect.mkString("\n"))
//7、关闭SparkContext
sparkContext.stop()
}