Nebula Algorithm¶

Nebula Algorithm （简称 Algorithm）是一款基于 GraphX 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 Nebula Graph 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¶

在使用 Algorithm 之前，用户需要确认以下信息：

Nebula Graph 服务已经部署并启动。详细信息，参考 Nebula Graph 安装部署。

Spark 版本为 2.4.x。

Scala 版本为 2.11。

（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 Maven。

使用限制¶

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。

图计算会输出点的数据集，算法结果会以DataFrame形式作为点的属性存储。用户可以根据业务需求，自行对算法结果做进一步操作，例如统计、筛选。

支持算法¶

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
GraphTriangleCount	全图三角形计数	网络结构及紧密程度分析
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¶

Nebula Algorithm 实现图计算的流程如下：

利用 Nebula Spark Connector 从 Nebula Graph 数据库中读取图数据为 DataFrame。
将 DataFrame 转换为 GraphX 的图。
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 Scala 文件。

获取 Nebula Algorithm¶

编译打包¶

克隆仓库nebula-algorithm。

$ git clone -b v2.5 https://github.com/vesoft-inc/nebula-algorithm.git

进入目录nebula-algorithm。
```
$ cd nebula-algorithm
```

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-2.5.1.jar。

Maven 远程仓库下载¶

下载地址

使用方法¶

调用算法接口（推荐）¶

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。

在文件pom.xml中添加依赖。

<dependency>
     <groupId>com.vesoft</groupId>
     <artifactId>nebula-algorithm</artifactId>
     <version>2.5.1</version>
</dependency>

传入参数调用算法（以 PageRank 为例）。更多调用示例请参见示例。

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 Nebula Graph 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¶

Note

使用封装好的算法包有一定的局限性，例如落库到 Nebula Graph 时，落库的图空间中创建的 Tag 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。

设置配置文件。

{
    # 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
    }

    # Nebula Graph 相关配置
    nebula: {
    # 数据源。Nebula Graph 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"
        # Nebula Graph 图空间名称
        space: basketballplayer
        # Nebula Graph Edge type, 多个 labels 时，多个边的数据将合并。
        labels: ["serve"]
        # Nebula Graph 每个 Edge type 的属性名称，此属性将作为算法的权重列，请确保和 Edge type 对应。
        weightCols: ["start_year"]
    }

    # 数据落库。图计算结果落库到 Nebula Graph 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 Tag
        # Nebula Graph 图空间名称
        space:nb
        # Nebula Graph Tag 名称，图计算结果会写入该 Tag。Tag 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
    }

    }
    }
}

提交图计算任务。

${SPARK_HOME}/bin/spark-submit --master <mode> --class com.vesoft.nebula.algorithm.Main <nebula-algorithm-2.5.1.jar_path> -p <application.conf_path>

示例：

${SPARK_HOME}/bin/spark-submit --master "local" --class com.vesoft.nebula.algorithm.Main /root/nebula-algorithm/target/nebula-algorithm-2.5.1.jar -p /root/nebula-algorithm/src/main/resources/application.conf

视频¶

图计算工具——Nebula Algorithm 介绍（2 分 36 秒）

最后更新: March 7, 2023