3

我正在从基于 MPI 的系统迁移到 Apache Spark。我需要在 Spark 中执行以下操作。

假设，我有n顶点。我想从这些n顶点创建一个边列表。一条边只是两个整数 (u,v) 的元组，不需要任何属性。

但是，我想在每个执行程序中独立地并行创建它们。因此，我想为Spark ExecutorsP独立创建边缘数组。P每个数组可能具有不同的大小并且取决于顶点，因此，我还需要执行程序 id from 0to n-1。接下来，我想要一个全局 RDD 边数组。

在 MPI 中，我将使用处理器等级在每个处理器中创建一个数组。我如何在 Spark 中做到这一点，尤其是使用GraphX库？

因此，我的主要目标是在每个 executor 中创建一组边，并将它们组合成一个 RDD。

我首先尝试了鄂尔多斯--人义模型的一个修改版本。作为参数，我只有节点数 n 和概率 p。

假设 executori必须处理从101到的节点200。对于任何节点，比如 node 101，它将以概率 p创建从101到的边。102 -- n在每个执行程序创建分配的边之后，我将实例化 GraphXEdgeRDD和VertexRDD. 因此，我的计划是在每个 executor 中独立创建边缘列表，并将它们合并到RDD.

4

1 回答 1

5

让我们从下游处理所需的一些导入和变量开始：

import org.apache.spark._
import org.apache.spark.graphx._
import org.apache.spark.rdd.RDD
import scala.util.Random
import org.apache.spark.HashPartitioner

val nPartitions: Integer = ???
val n: Long = ??? 
val p: Double = ???

接下来，我们需要一个种子 ID 的 RDD，可用于生成边。处理这个问题的一种天真的方法就是这样：

sc.parallelize(0L to n)

由于生成的边数取决于节点 ID，这种方法会产生高度倾斜的负载。我们可以通过重新分区做得更好：

sc.parallelize(0L to n)
  .map((_, None))
  .partitionBy(new HashPartitioner(nPartitions))
  .keys

但更好的方法是从空 RDD 开始并在适当位置生成 id。我们需要一个小帮手：

def genNodeIds(nPartitions: Int, n: Long)(i: Int) = {
  (0L until n).filter(_ % nPartitions == i).toIterator
}

可以按如下方式使用：

val empty = sc.parallelize(Seq.empty[Int], nPartitions)
val ids = empty.mapPartitionsWithIndex((i, _) => genNodeIds(nPartitions, n)(i))

只是一个快速的健全性检查（它非常昂贵，所以不要在生产中使用它）：

require(ids.distinct.count == n)

我们可以使用另一个助手生成实际的边缘：

def genEdgesForId(p: Double, n: Long, random: Random)(i: Long) = {
  (i + 1 until n).filter(_ => random.nextDouble < p).map(j => Edge(i, j, ()))
}

def genEdgesForPartition(iter: Iterator[Long]) = {
  // It could be an overkill but better safe than sorry
  // Depending on your requirement it could worth to
  // consider using commons-math
  // https://commons.apache.org/proper/commons-math/userguide/random.html
  val random = new Random(new java.security.SecureRandom())
  iter.flatMap(genEdgesForId(p, n, random))
}

val edges = ids.mapPartitions(genEdgesForPartition)

最后我们可以创建一个图表：

val graph = Graph.fromEdges(edges, ())
于 2015-12-17T23:38:41.543 回答