頂點和邊的RDDs
GraphX提供了儲存在圖中的頂點和邊的RDD。因為GraphX將頂點和邊保存在優化過的資料結構中,這些資料結構提供了額外的功能,分別傳回VertexRDD
和EdgeRDD
。這一章節,我們將學習它們一些有用的功能。
VertexRDDs
VertexRDD[A]
繼承了RDD[(VertexID, A)]
並且新增了額外的限制條件,那就是每個VertexID
只能出現一次。此外,VertexRDD[A]
代表一組具有型別A特性的頂點。在程式內部,透過將頂點屬性儲存到一個可重複使用的hash-map的資料結構來達成。所以,若兩個VertexRDDs
是從相同的VertexRDD
(如藉由filter
或mapValues
)基底產生的,它們就能夠在常數時間內完成合併,而避免了hash的計算。為了利用索引式的資料結構,VertexRDD
提供了下列的附加功能:
class VertexRDD[VD] extends RDD[(VertexID, VD)] {
// Filter the vertex set but preserves the internal index
def filter(pred: Tuple2[VertexId, VD] => Boolean): VertexRDD[VD]
// Transform the values without changing the ids (preserves the internal index)
def mapValues[VD2](map: VD => VD2): VertexRDD[VD2]
def mapValues[VD2](map: (VertexId, VD) => VD2): VertexRDD[VD2]
// Remove vertices from this set that appear in the other set
def diff(other: VertexRDD[VD]): VertexRDD[VD]
// Join operators that take advantage of the internal indexing to accelerate joins (substantially)
def leftJoin[VD2, VD3](other: RDD[(VertexId, VD2)])(f: (VertexId, VD, Option[VD2]) => VD3): VertexRDD[VD3]
def innerJoin[U, VD2](other: RDD[(VertexId, U)])(f: (VertexId, VD, U) => VD2): VertexRDD[VD2]
// Use the index on this RDD to accelerate a `reduceByKey` operation on the input RDD.
def aggregateUsingIndex[VD2](other: RDD[(VertexId, VD2)], reduceFunc: (VD2, VD2) => VD2): VertexRDD[VD2]
}
舉例,filter
運算子是如何回一個VertexRDD
。filter
實際上是由BitSet
實作,因此重複使用索引值以及保留快速與其他VertexRDDs
合併的能力。相同的,mapValues
運算子不允許map
函數改變VertexID
,確保相同的hashMap
的資料結構被重複使用。當合併兩個從相同hashMap
得到的VertexRDDs
且利用線性搜尋(linear scan)而非花費時間較長的點查詢(point lookups)來實現合併時,leftJoin
和innerJoin
都能夠使用。
aggregateUsingIndex
運算子能夠有效率地將一個RDD[(VertexID, A)]
建造成一個新的VertexRDD
。概念上,我透過一組為一些VertexRDD[A]
的super-set
頂點建造了VertexRDD[B]
,那麼我們就能夠在聚合(aggregate)和往後查詢RDD[(VertexID, A)]
時重複使用索引。例如:
val setA: VertexRDD[Int] = VertexRDD(sc.parallelize(0L until 100L).map(id => (id, 1)))
val rddB: RDD[(VertexId, Double)] = sc.parallelize(0L until 100L).flatMap(id => List((id, 1.0), (id, 2.0)))
// There should be 200 entries in rddB
rddB.count
val setB: VertexRDD[Double] = setA.aggregateUsingIndex(rddB, _ + _)
// There should be 100 entries in setB
setB.count
// Joining A and B should now be fast!
val setC: VertexRDD[Double] = setA.innerJoin(setB)((id, a, b) => a + b)
EdgeRDDs
EdgeRDD[ED]
繼承了RDD[Edge[ED]]
,使用定義在PartitionStrategy眾多分割方法其中一種,將邊作區塊性的分割。在每個分區中,邊的屬性和周遭結構會被個別的儲存,能夠在屬性改變時,最大化重用。
EdgeRDD
揭示了三個額外的函數:
// Transform the edge attributes while preserving the structure
def mapValues[ED2](f: Edge[ED] => ED2): EdgeRDD[ED2]
// Revere the edges reusing both attributes and structure
def reverse: EdgeRDD[ED]
// Join two `EdgeRDD`s partitioned using the same partitioning strategy.
def innerJoin[ED2, ED3](other: EdgeRDD[ED2])(f: (VertexId, VertexId, ED, ED2) => ED3): EdgeRDD[ED3]
在多數的應用中,我們會發現EdgeRDD
的操作可以透過圖形運算子(graph operators)或是定義在基本RDD中的操作來完成。