# 圖算法 GraphX包括一組圖算法來簡化分析任務。這些算法包含在`org.apache.spark.graphx.lib`包中，可以被直接訪問。 ### PageRank算法 PageRank度量一個圖中每個頂點的重要程度，假定從u到v的一條邊代表v的重要性標簽。例如，一個Twitter用戶被許多其它人粉，該用戶排名很高。GraphX帶有靜態和動態PageRank的實現方法，這些方法在[PageRank object](https://spark.apache.org/docs/latest/api/scala/index.html#org.apache.spark.graphx.lib.PageRank$)中。靜態的PageRank運行固定次數的迭代，而動態的PageRank一直運行，直到收斂。[GraphOps]()允許直接調用這些算法作為圖上的方法。 GraphX包含一個我們可以運行PageRank的社交網絡數據集的例子。用戶集在`graphx/data/users.txt`中，用戶之間的關系在`graphx/data/followers.txt`中。我們通過下面的方法計算每個用戶的PageRank。 ~~~ // Load the edges as a graph val graph = GraphLoader.edgeListFile(sc, "graphx/data/followers.txt") // Run PageRank val ranks = graph.pageRank(0.0001).vertices // Join the ranks with the usernames val users = sc.textFile("graphx/data/users.txt").map { line => val fields = line.split(",") (fields(0).toLong, fields(1)) } val ranksByUsername = users.join(ranks).map { case (id, (username, rank)) => (username, rank) } // Print the result println(ranksByUsername.collect().mkString("\n")) ~~~ ### 連通體算法 連通體算法用id標注圖中每個連通體，將連通體中序號最小的頂點的id作為連通體的id。例如，在社交網絡中，連通體可以近似為集群。GraphX在[ConnectedComponents object](https://spark.apache.org/docs/latest/api/scala/index.html#org.apache.spark.graphx.lib.ConnectedComponents$)中包含了一個算法的實現，我們通過下面的方法計算社交網絡數據集中的連通體。 ~~~ / Load the graph as in the PageRank example val graph = GraphLoader.edgeListFile(sc, "graphx/data/followers.txt") // Find the connected components val cc = graph.connectedComponents().vertices // Join the connected components with the usernames val users = sc.textFile("graphx/data/users.txt").map { line => val fields = line.split(",") (fields(0).toLong, fields(1)) } val ccByUsername = users.join(cc).map { case (id, (username, cc)) => (username, cc) } // Print the result println(ccByUsername.collect().mkString("\n")) ~~~ ### 三角形計數算法 一個頂點有兩個相鄰的頂點以及相鄰頂點之間的邊時，這個頂點是一個三角形的一部分。GraphX在[TriangleCount object](https://spark.apache.org/docs/latest/api/scala/index.html#org.apache.spark.graphx.lib.TriangleCount$)中實現了一個三角形計數算法，它計算通過每個頂點的三角形的數量。需要注意的是，在計算社交網絡數據集的三角形計數時，`TriangleCount`需要邊的方向是規范的方向(srcId < dstId),并且圖通過`Graph.partitionBy`分片過。 ~~~ // Load the edges in canonical order and partition the graph for triangle count val graph = GraphLoader.edgeListFile(sc, "graphx/data/followers.txt", true).partitionBy(PartitionStrategy.RandomVertexCut) // Find the triangle count for each vertex val triCounts = graph.triangleCount().vertices // Join the triangle counts with the usernames val users = sc.textFile("graphx/data/users.txt").map { line => val fields = line.split(",") (fields(0).toLong, fields(1)) } val triCountByUsername = users.join(triCounts).map { case (id, (username, tc)) => (username, tc) } // Print the result println(triCountByUsername.collect().mkString("\n")) ~~~