Graphx中處理字符串類型的ID

??Graphx中的結(jié)點(diǎn)ID只能是Long型的,但是在實(shí)際的業(yè)務(wù)中有時會遇到字符串類型的ID古胆,這時需要建立一個結(jié)點(diǎn)ID的映射。

使用python隨機(jī)生成100條字符串類型的邊

from random import randint

vertices = ['v_'+str(i) for i in range(1000)]

edges = []
while len(edges) != 100:
    i = randint(0, 1000)
    j = randint(0, 1000)
    if i == j:
        continue
    else:
        edges.append((vertices[i], vertices[j]))

for i, j in edges:
    print '%s %s' % (i, j)

對這個網(wǎng)絡(luò)求聯(lián)通圖

import spark.sqlContext.implicits._
import org.apache.spark.sql._
import org.apache.spark.graphx.{Graph, VertexId, Edge}

// 加載數(shù)據(jù),數(shù)據(jù)格式為每行:vi vj
val data = spark.sparkContext.textFile("/data/graph_sample").map{line =>
  val items = line.split(" ")
  (items(0), items(1))
}.toDF("vi", "vj")

// 建立映射
val dict = data.select("vi").union(data.select("vj")).distinct.rdd
  .zipWithIndex().map {
  case (Row(id: String), index) =>
    (id, index)
}.toDF("id", "vid")

val dictVi = dict.withColumnRenamed("id", "vi").withColumnRenamed("vid", "vid_i")

val dictVj = dict.withColumnRenamed("id", "vj").withColumnRenamed("vid", "vid_j")

val data2 = data.join(dictVi, Seq("vi")).join(dictVj, Seq("vj"))

// 構(gòu)造網(wǎng)絡(luò)
val vertices = data2.select("vid_i")
  .union(data2.select("vid_j"))
  .distinct
  .map{case Row(id: VertexId)=>(id, "")}

val edges = data2.select("vid_i", "vid_j")
  .flatMap{
    case Row(vidi: Long, vidj: Long) =>
      Array(Edge(vidi, vidj, ""), Edge(vidj, vidi, ""))
  }

val g = Graph(vertices.rdd, edges.rdd, "")

// 求聯(lián)通子圖
val cc = g.connectedComponents()

// 結(jié)點(diǎn)ID映射回原來的ID
val ret = cc.vertices.toDF("vid", "cid").join(dict, Seq("vid"))

遇到的坑
??在線上實(shí)際使用的時候,遇到過這樣的一個問題:對于一個結(jié)點(diǎn)瓦胎,開始時是一個ID猿规,但是在執(zhí)行過程中它的ID變了衷快。猜測產(chǎn)生這個問題的原因是Catalyst優(yōu)化錯誤導(dǎo)致的,最后采用了一種強(qiáng)行中斷sql優(yōu)化的方式:將映射好的ID存入hive中姨俩,然后再從hive讀取進(jìn)來蘸拔。相關(guān)問題可以參考:GraphFrames的一個issue

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市哼勇,隨后出現(xiàn)的幾起案子都伪,更是在濱河造成了極大的恐慌,老刑警劉巖积担,帶你破解...
    沈念sama閱讀 207,248評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件陨晶,死亡現(xiàn)場離奇詭異,居然都是意外死亡帝璧,警方通過查閱死者的電腦和手機(jī)先誉,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,681評論 2 381
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來的烁,“玉大人褐耳,你說我怎么就攤上這事】是欤” “怎么了铃芦?”我有些...
    開封第一講書人閱讀 153,443評論 0 344
  • 文/不壞的土叔 我叫張陵,是天一觀的道長襟雷。 經(jīng)常有香客問我刃滓,道長,這世上最難降的妖魔是什么耸弄? 我笑而不...
    開封第一講書人閱讀 55,475評論 1 279
  • 正文 為了忘掉前任咧虎,我火速辦了婚禮,結(jié)果婚禮上计呈,老公的妹妹穿的比我還像新娘砰诵。我一直安慰自己征唬,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,458評論 5 374
  • 文/花漫 我一把揭開白布茁彭。 她就那樣靜靜地躺著总寒,像睡著了一般。 火紅的嫁衣襯著肌膚如雪尉间。 梳的紋絲不亂的頭發(fā)上偿乖,一...
    開封第一講書人閱讀 49,185評論 1 284
  • 那天,我揣著相機(jī)與錄音哲嘲,去河邊找鬼贪薪。 笑死,一個胖子當(dāng)著我的面吹牛眠副,可吹牛的內(nèi)容都是我干的画切。 我是一名探鬼主播,決...
    沈念sama閱讀 38,451評論 3 401
  • 文/蒼蘭香墨 我猛地睜開眼囱怕,長吁一口氣:“原來是場噩夢啊……” “哼霍弹!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起娃弓,我...
    開封第一講書人閱讀 37,112評論 0 261
  • 序言:老撾萬榮一對情侶失蹤典格,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后台丛,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體耍缴,經(jīng)...
    沈念sama閱讀 43,609評論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,083評論 2 325
  • 正文 我和宋清朗相戀三年挽霉,在試婚紗的時候發(fā)現(xiàn)自己被綠了防嗡。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,163評論 1 334
  • 序言:一個原本活蹦亂跳的男人離奇死亡侠坎,死狀恐怖蚁趁,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情实胸,我是刑警寧澤他嫡,帶...
    沈念sama閱讀 33,803評論 4 323
  • 正文 年R本政府宣布,位于F島的核電站庐完,受9級特大地震影響涮瞻,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜假褪,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,357評論 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望近顷。 院中可真熱鬧生音,春花似錦宁否、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,357評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至域醇,卻和暖如春台谊,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背譬挚。 一陣腳步聲響...
    開封第一講書人閱讀 31,590評論 1 261
  • 我被黑心中介騙來泰國打工锅铅, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人减宣。 一個月前我還...
    沈念sama閱讀 45,636評論 2 355
  • 正文 我出身青樓盐须,卻偏偏與公主長得像,于是被迫代替她去往敵國和親漆腌。 傳聞我的和親對象是個殘疾皇子贼邓,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,925評論 2 344

推薦閱讀更多精彩內(nèi)容