5

我正在尝试使用可以在此处找到的一些 Google Web Graph 数据创建一个图表：

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)

那么如何创建一个 VertexId 对象呢？据我了解，通过Long应该就足够了。

有任何想法吗？

非常感谢！

罗密欧

4

2 回答 2

4

不完全是。如果您查看对象apply方法的签名，Graph您会看到类似这样的内容（完整签名请参见API 文档）：

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

正如您在描述中看到的那样：

从具有属性的顶点和边的集合构造一个图。

因此，您不能简单地RDD[Long]作为vertices参数传递（RDD[Edge[Nothing]]asedges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：

任意选取重复的顶点

在这种情况下，.distinct()等nodes已过时。

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

于 2015-07-02T16:58:51.460 回答
2

错误消息说nodes必须是RDD[(Long, anything else)]. 元组中的第一个元素是 vertexId，第二个元素可以是任何东西，例如带有节点描述的字符串。尝试简单地重复 vertexId：

val nodes = arrayForm
             .flatMap(array => array)
             .distinct()
             .map(x =>(x.toLong, x.toLong))
于 2015-07-02T16:56:52.707 回答