adm2587TriangleCount三⾓形计数
Graphx作为Spark的图计算组件,提供了丰富的图操作接⼝,以及6个常⽤的算法(在graphx lib中)。这⾥简单介绍下三⾓形计数TriangleCount算法原理; 组织培养瓶
TriangleCount算法“统计每个顶点所在的三⾓形个数”。关于三⾓形的定义,你⼀定不陌⽣。graphx是如何识别三⾓形,并做统计的呢
对接接头
蜂鸣器电路>生理海水正如上图所⽰:每个顶点收集邻居点,如点1的邻居为(2,3,4),graphx中collectNeighborIds接⼝可以实现邻居点的收集功能。在图中点1和点4有共同邻居2、3所以,因此mapTriplets操作时可在边1-4上可以发现两个三⾓形<1,2,4>和<1,3,4>。完成三⾓形的求解和统计。(u see,三⾓形统计和计算在graphx中,也没有想象中困难吧)。
下⾯分析下graphx中TriangleCount算法源码?以spark2.0中的源码为例
上图对三⾓形计数的核⼼代码已做了标记和注释
拉线护套
如果你想计算具体的三⾓形,并不是仅仅统计三⾓形个数,会不会很⿇烦呢?其实并不困难,只需要修改源码中的部分逻辑即可。⽐如在对⽐边的源点和终点的共同邻居时,就会得到(源点、终点、共同 邻居),就如图中点1和点2,得到三⾓形<1,2,4>,将其存储在点上或边上都可以。前者仍然采⽤aggregateMessage⽅法,然后将三⾓形通过sendToSrc、sendToDst分别发送给源点或终点;后者只需要采⽤mapTriplets保存在边上即可。
⾄此,已简单介绍graphx中三⾓形个数统计的逻辑;并引申了如何保存和计算具体的三⾓形。
关于三⾓形计算,如果完全借鉴TriangleCount的逻辑,会有⼀定的数据冗余(三⾓形被重复计算,存储了2份或3份),u can思考下如何进⾏优化,或者留⾔讨论