NebulaGraph Algorithm

NebulaGraph 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 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。

版本兼容性

NebulaGraph Algorithm 版本和 NebulaGraph 内核的版本对应关系如下。

NebulaGraph 版本	NebulaGraph Algorithm 版本
nightly	3.0-SNAPSHOT
3.0.0 ~ 3.8.x	3.x.0
2.6.x	2.6.x
2.5.0、2.5.1	2.5.0
2.0.0、2.0.1	2.1.0

前提条件

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 NebulaGraph 安装部署。

• 已安装 Spark2.4 或者 3.x

• 已安装 Scala 2.11（对应 Spark 2.4）或 2.12（对应 Spark 3.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 Maven。

使用限制

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。

Compatibility

Algorithm v3.1.0 版本之前，直接提交算法包时，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。

支持算法

NebulaGraph Algorithm 支持的图计算算法如下。

算法名	说明	应用场景	属性名称	属性数据类型
PageRank	页面排序	网页排序、重点节点挖掘	pagerank	double/string
Louvain	鲁汶	社团挖掘、层次化聚类	louvain	int/string
KCore	K 核	社区发现、金融风控	kcore	int/string
LabelPropagation	标签传播	资讯传播、广告推荐、社区发现	lpa	int/string
Hanp	标签传播进阶版	社区发现、推荐	hanp	int/string
ConnectedComponent	弱联通分量	社区发现、孤岛发现	cc	int/string
StronglyConnectedComponent	强联通分量	社区发现	scc	int/string
ShortestPath	最短路径	路径规划、网络规划	shortestpath	string
TriangleCount	三角形计数	网络结构分析	trianglecount	int/string
GraphTriangleCount	全图三角形计数	网络结构及紧密程度分析	count	int
BetweennessCentrality	中介中心性	关键节点挖掘，节点影响力计算	betweenness	double/string
ClosenessCentrality	紧密中心性	关键节点挖掘、节点影响力计算	closeness	double/string
DegreeStatic	度统计	图结构分析	degree,inDegree,outDegree	int/string
ClusteringCoefficient	聚集系数	推荐、电信诈骗分析	clustercoefficient	double/string
Jaccard	杰卡德相似度计算	相似度计算、推荐	jaccard	string
BFS	广度优先遍历	层序遍历、最短路径规划	bfs	string
DFS	深度优先遍历	层序遍历、最短路径规划	dfs	string
Node2Vec	-	图分类	node2vec	string

Note

如果需要将算法结果写入到 NebulaGraph 中，请确保对应图空间中的 Tag 有和上表对应的属性名称和数据类型。

实现方法

NebulaGraph Algorithm 实现图计算的流程如下：

1. 利用 NebulaGraph Spark Connector 从 NebulaGraph 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 Scala 文件。

获取 NebulaGraph Algorithm

编译打包

1. 克隆仓库nebula-algorithm。

   $ git clone -b v3.2.0 https://github.com/vesoft-inc/nebula-algorithm.git
   

   如果是在 Spark 3.x 环境中运行 Algorithm，请使用 spark3 分支：

   $ git clone -b spark3 https://github.com/vesoft-inc/nebula-algorithm.git
   

2. 进入目录nebula-algorithm。

   $ cd 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-3.x.x.jar。

Maven 远程仓库下载

下载地址

使用方法

Note

如果数据的属性值包含中文字符，可能出现乱码。请在提交 Spark 任务时加上以下选项：

--conf spark.driver.extraJavaOptions=-Dfile.encoding=utf-8
--conf spark.executor.extraJavaOptions=-Dfile.encoding=utf-8

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。

1. 在文件pom.xml中添加依赖。

   <dependency>
        <groupId>com.vesoft</groupId>
        <artifactId>nebula-algorithm</artifactId>
        <version>3.2.0</version>
   </dependency>
   

2. 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 NebulaGraph 中的 Rank）。

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

   如果用户的节点 ID 是 String 类型，可以参考 PageRank 的示例。示例中进行了 ID 转换，将 String 类型编码为 Long 类型， 并在算法结果中将 Long 类型 ID 解码为原始的 String 类型。

直接提交算法包

1. 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
       }
   
       #  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 Edge type, 多个 labels 时，多个边的数据将合并。
           labels: ["serve"]
           # NebulaGraph 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 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 Tag
           #  NebulaGraph 图空间名称
           space:nb
           # NebulaGraph 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、graphtriangleCount。
       executeAlgo: pagerank
   
       # PageRank 参数
       pagerank: {
           maxIter: 10
           resetProb: 0.15  
           encodeId:false # 如果点 ID 是字符串类型，请配置为 true。
       }
   
       # Louvain 参数
       louvain: {
           maxIter: 20
           internalIter: 10
           tol: 0.5
           encodeId:false # 如果点 ID 是字符串类型，请配置为 true。
       }
   
       # ...
       }
       }
   }
   

   Note

   当配置为 sink: nebula 的时候，意味着算法运算结果将被写回 NebulaGraph 集群，这对写回到的 TAG 中的属性名有隐含的约定。详情参考本文支持算法部分。

2. 提交图计算任务。

   ${SPARK_HOME}/bin/spark-submit --master <mode> --class com.vesoft.nebula.algorithm.Main <nebula-algorithm-3.2.0.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-3.0-SNAPSHOT.jar -p /root/nebula-algorithm/src/main/resources/application.conf
   

视频

• 图计算工具——NebulaGraph Algorithm 介绍（2 分 36 秒）

---

最后更新: September 6, 2024