Spark GraphX：添加多个边权重

【问题标题】：Spark GraphX: add multiple edge weightsSpark GraphX：添加多个边权重
【发布时间】：2017-10-11 04:56:16
【问题描述】：

我是 GraphX 的新手，并且有一个包含如下四列的 Spark 数据框：

src_ip    dst_ip    flow_count   sum_bytes
8.8.8.8   1.2.3.4          435        1137
  ...       ...           ...         ...

基本上我想将src_ip 和dst_ip 都映射到顶点并将flow_count 和sum_bytes 分配为边属性。据我所知，我们不能在 GraphX 中添加边属性，因为只允许顶点属性。因此，我正在考虑将flow_count 添加为边缘权重：

//create edges
val trafficEdges = trafficsFromTo.map(x =Edge(MurmurHash3.stringHash(x(0).toString,MurmurHash3.stringHash(x(1).toString,x(2))

但是，我可以添加sum_bytes 作为边权重吗？

【问题讨论】：

标签： scala apache-spark apache-spark-sql spark-graphx

【解决方案1】：

可以将两个变量都添加到边缘。最简单的解决方案是使用元组，例如：

val data = Array(Edge(3L, 7L, (123, 456)), Edge(5L, 3L, (41, 34)))
val edges: RDD[Edge[(Int, Int)]] = spark.sparkContext.parallelize(data)

或者，您可以使用案例类：

case class EdgeWeight(flow_count: Int, sum_bytes: Int)

val data2 = Array(Edge(3L, 7L, EdgeWeight(123, 456)), Edge(5L, 3L, EdgeWeight(41, 34)))
val edges: RDD[Edge[EdgeWeight]] = spark.sparkContext.parallelize(data2)

如果要添加更多的属性，使用案例类会更方便使用和维护。

我相信在这种特定情况下，最优雅的解决方法是：

val trafficEdges = trafficsFromTo.map{x => 
  Edge(MurmurHash3.stringHash(x(0).toString, 
       MurmurHash3.stringHash(x(1).toString,
       EdgeWeight(x(2), x(3))
}

trafficEdges.sortBy(edge => edge.attr.flow_count) // sort by flow_count

【讨论】：