跳转至

Nebula AlgorithmGraph

Graph的Spark应用程序，通过提交Spark任务的形式使用完整的算法工具对NebulaGraph数据库中的数据执行图计算，也可以通过编程形式调用lib库下的算法针对DataFrame执行图计算。

前提条件Graph

在使用 Algorithm 之前，用户需要确认以下信息：

  • NebulaGraph 服务已经部署并启动。详细信息，参考Graph。

    Note

    用户可以使用Docker Compose或RPM方式部署并启动 NebulaGraph 服务。如果刚开始使用 NebulaGraph，建议使用 Docker Compose 部署 NebulaGraph。详细信息参考 Graph。

  • Spark 版本为 2.4.x 。
  • （可选）如果用户需要在Github中克隆最新的Algorithm，并自行编译打包，可以选择安装Graph。

使用限制Graph

点ID的数据必须为整数，即点ID可以是INT类型，或者是String类型但数据本身为整数。

对于非整数的String类型数据，推荐使用调用算法接口的方式，可以使用SparkSQL的dense_rank函数进行编码，将String类型转换为Long类型。

支持算法Graph

Nebula Algorithm支持的图计算算法如下。

算法名 说明 应用场景
PageRank 页面排序 网页排序、重点节点挖掘
Louvain 社区发现 社团挖掘、层次化聚类
KCore K核 社区发现、金融风控
LabelPropagation 标签传播 资讯传播、广告推荐、社区发现
ConnectedComponent 联通分量 社区发现、孤岛发现
StronglyConnectedComponent 强联通分量 社区发现
ShortestPath 最短路径 路径规划、网络规划
TriangleCount 三角形计数 网络结构分析
BetweennessCentrality 介数中心性 关键节点挖掘，节点影响力计算
DegreeStatic 度统计 图结构分析

实现方法Graph

Nebula Algorithm实现图计算的流程如下：

  1. 利用Nebula Spark Connector从NebulaGraph数据库中读取图数据为DataFrame。

  2. 将DataFrame转换为GraphX的图。

  3. 调用GraphX提供的图算法（例如PageRank）或者自行实现的算法（例如Louvain社区发现）。

详细的实现方法可以参见相关Graph。

获取Nebula AlgorithmGraph

编译打包Graph

  1. 克隆仓库nebula-spark-utils。

    $ git clone -b v2.0.0 https://github.com/vesoft-inc/nebula-spark-utils.git

  2. 进入目录nebula-algorithm。

    $ cd nebula-spark-utils/nebula-algorithm

  3. 编译打包。

    $ mvn clean package -Dgpg.skip -Dmaven.javadoc.skip=true -Dmaven.test.skip=true

编译完成后，在目录nebula-algorithm/target下生成类似文件nebula-algorithm-2.0.0.jar。

Maven远程仓库下载Graph

Graph

使用方法Graph

调用算法接口（推荐）Graph

lib库中提供了10种常用图计算算法，用户可以通过编程调用的形式调用算法。

  1. 在文件pom.xml中添加依赖。

    <dependency>
<groupId>com.vesoft</groupId>
<artifactId>nebula-algorithm</artifactId>
<version>2.0.0</version>
</dependency>

  2. 传入参数调用算法（以PageRank为例）。更多算法请参见Graph。

    Note

    执行算法的DataFrame默认第一列是起始点，第二列是目的点，第三列是边权重（非NebulaGraph中的rank）。

    val prConfig = new PRConfig(5, 1.0)
val louvainResult = PageRankAlgo.apply(spark, data, prConfig, false)

直接提交算法包Graph

Note

使用封装好的算法包有一定的局限性，例如落库到NebulaGraph时，落库的图空间中创建的标签的属性名称必须和代码内预设的名称保持一致。如果用户有开发能力，推荐使用第一种方法。

  1. 设置Graph。

    {
    # Spark相关配置
    spark: {
    app: {
        name: LPA
        # Spark分片数量
        partitionNum:100
    }
    master:local
    }

    data: {
    # 数据源，可选值为nebula、csv、json。
    source: nebula
    # 数据落库，即图计算的结果写入的目标，可选值为nebula、csv、json。
    sink: nebula
    # 算法是否需要权重。
    hasWeight: false
    }

    # NebulaGraph相关配置
    nebula: {
    # 数据源。NebulaGraph作为图计算的数据源时，nebula.read的配置才生效。
    read: {
        # 所有Meta服务的IP地址和端口，多个地址用英文逗号（,）分隔。格式: "ip1:port1,ip2:port2"。
        # 使用docker-compose部署，端口需要填写docker-compose映射到外部的端口
        # 可以用`docker-compose ps`查看
        metaAddress: "192.168.*.10:9559"
        # NebulaGraph图空间名称
        space: basketballplayer
        # NebulaGraph边类型, 多个labels时，多个边的数据将合并。
        labels: ["serve"]
        # NebulaGraph每个边类型的属性名称，此属性将作为算法的权重列，请确保和边类型对应。
        weightCols: ["start_year"]
    }

    # 数据落库。图计算结果落库到NebulaGraph时，nebula.write的配置才生效。
    write:{
        # Graph服务的IP地址和端口, 多个地址用英文逗号（,）分隔。格式: "ip1:port1,ip2:port2"。
        # 使用docker-compose部署，端口需要填写docker-compose映射到外部的端口
        # 可以用`docker-compose ps`查看
        graphAddress: "192.168.*.11:9669"
        # 所有Meta服务的IP地址和端口，多个地址用英文逗号（,）分隔。格式: "ip1:port1,ip2:port2"。
        # 使用docker-compose部署，端口需要填写docker-compose映射到外部的端口
        # 可以用`docker-compose ps`查看
        metaAddress: "192.168.*.12:9559"
        user:root
        pswd:nebula
        # 在提交图计算任务之前需要自行创建图空间及标签
        # NebulaGraph图空间名称
        space:nb
        # NebulaGraph标签名称，图计算结果会写入该标签。标签中的属性名称固定如下：
        # PageRank：pagerank
        # Louvain：louvain
        # ConnectedComponent：cc
        # StronglyConnectedComponent：scc
        # LabelPropagation：lpa
        # ShortestPath：shortestpath
        # DegreeStatic：degree、inDegree、outDegree
        # KCore：kcore
        # TriangleCount：tranglecpunt
        # BetweennessCentrality：betweennedss
        tag:pagerank
    }
    }  

    local: {
    # 数据源。图计算的数据源为csv文件或json文件时，local.read的配置才生效。
    read:{
        filePath: "hdfs://127.0.0.1:9000/edge/work_for.csv"
        # 如果CSV文件没有表头，使用[_c0, _c1, _c2, ..., _cn]表示其表头，有表头或者是json文件时，直接使用表头名称即可。
        # 起始点ID列的表头。
        srcId:"_c0"
        # 目的点ID列的表头。
        dstId:"_c1"
        # 权重列的表头
        weight: "_c2"
        # csv文件是否有表头
        header: false
        # csv文件的分隔符
        delimiter:","
    }

    # 数据落库。图计算结果落库到csv文件或text文件时，local.write的配置才生效。
    write:{
        resultPath:/tmp/
    }
    }


    algorithm: {
    # 需要执行的算法，可选值为：pagerank、louvain、connectedcomponent、
    # labelpropagation、shortestpaths、degreestatic、kcore、
    # stronglyconnectedcomponent、trianglecount、betweenness
    executeAlgo: pagerank

    # PageRank参数
    pagerank: {
        maxIter: 10
        resetProb: 0.15  # 默认为0.15
    }

    # Louvain参数
    louvain: {
        maxIter: 20
        internalIter: 10
        tol: 0.5
    }

   # ConnectedComponent/StronglyConnectedComponent参数
   connectedcomponent: {
       maxIter: 20
   }

   # LabelPropagation参数
   labelpropagation: {
       maxIter: 20
   }

    # ShortestPath参数
    shortestpaths: {
        # several vertices to compute the shortest path to all vertices.
        landmarks: "1"
    }

    # DegreeStatic参数
    degreestatic: {}

    # KCore参数
    kcore:{
        maxIter:10
        degree:1
    }

    # TriangleCount参数
    trianglecount:{}

    # BetweennessCentrality参数
    betweenness:{
        maxIter:5
    }
}
}

  2. 提交图计算任务。

    ${SPARK_HOME}/bin/spark-submit --master <mode> --class com.vesoft.nebula.algorithm.Main <nebula-algorithm-2.0.0.jar_path> -p <application.conf_path>

    示例：

    ${SPARK_HOME}/bin/spark-submit --master "local" --class com.vesoft.nebula.algorithm.Main /root/nebula-spark-utils/nebula-algorithm/target/nebula-algorithm-2.0.0.jar -p /root/nebula-spark-utils/nebula-algorithm/src/main/resources/application.conf
最后更新: 2021年6月29日
Back to top