Spark GraphX图计算核心算子实战【AggreagteMessage】

一.简介

　　参考博客：https://www.cnblogs.com/yszd/p/10186556.html

二.代码实现

package graphx

import org.apache.log4j.{Level, Logger}
import org.apache.spark.graphx.util.GraphGenerators
import org.apache.spark.sql.SparkSession

/**
  * Created by Administrator on 2019/10/22.
  */
object AggregateMessage {
  /**
    * 设置日志级别为WARN
    */
  Logger.getLogger("org").setLevel(Level.WARN)
  def main(args: Array[String]) {
    /**
      * 创建spark入口
      */
    val spark = SparkSession.builder().appName("AggregateMessage").master("local[2]").getOrCreate()
    val sc = spark.sparkContext

    /**
      * 随机生成图，默认出度为4，标准偏差为1.3，并行生成numVertices，partition默认为sc的默认partition
      */
    val graph = GraphGenerators.logNormalGraph(sc, numVertices = 100).mapVertices((id, _) => id.toDouble)
    graph.vertices.take(5).foreach(println)
    /**
      * 将用户定义的sendMsg函数应用于图形中的每个边三元组，然后使用mergeMsg函数汇聚信息到目标顶点
      */
    val olderFollowers = graph.aggregateMessages[(Int, Double)](triplet =>{
      if(triplet.srcAttr > triplet.dstAttr){
        triplet.sendToDst(1, triplet.srcAttr)
      }
    },
      (a, b) => (a._1 + b._1, a._2 + b._2)
    )

    /**
      * 求平均值
      */
    val avgAgeOfOlderFollowers = olderFollowers.mapValues((id, value) => value match {case (count, totalAge) => totalAge / count})

    /**
      * 输出结果
      */
    avgAgeOfOlderFollowers.collect().take(5).foreach(println)
  }
}

三.结果

　　随机生成的顶点数据：

　　　　

　　聚合结果：