1

我有一个 Graphframe 对象:g 和一个 RDD 对象:候选:

g = GraphFrame(v,e)
candidates_rdd.collect() 
#  [Row(source=u'a', target=u'b'),
#   Row(source=u'a', target=u'c'),
#   Row(source=u'e', target=u'a')]

我想在 Candidate_rdd 中计算从“源”到“目标”的路径,并使用图框的广度优先搜索生成带有键、值对 ((source, target), path_list) 的结果 rdd,其中 path_list 是来自源的路径列表达到目标。

示例输出:

(('a','b'),['a-c-b','a-d-e-b']), 
(('f','c'),[]),
(('a',d'),['a-b-e-d']

我写了以下函数:

def bfs_(row):    
    arg1 = "id = '" + row.source + "'"
    arg2 = "id = '" + row.target + "'"        
    return ((row.source, row.target), g.bfs(arg1,arg2).rdd)

results = candidates_rdd.map(bfs_)

我收到了这个错误:

Py4JError: An error occurred while calling o274.__getnewargs__. Trace:
py4j.Py4JException: Method __getnewargs__([]) does not exist

我试图使图表全球化或广播它,但都不起作用。

有人可以帮我吗?

非常感谢!!

4

1 回答 1

1

TL;DR 这是不可能的。

Spark 不支持这样的嵌套操作。外循环必须是非分布式的:

>>> [g.bfs(arg1, arg2) for arg1, arg2 in candidates_rdd.collect()]
于 2016-07-04T14:28:54.267 回答