技術標籤：Sparksparksparkgraphx連通分量

連通分量

• • 1.什麼是連通分量
  • 2.計算連通分量的方法
  • 3.示例

1.什麼是連通分量

連通分量是一個子圖，其中任何兩個頂點通過一條邊或一系列邊相互連線，其頂點是原始圖頂點集的子集，其邊是原始圖邊集的子集

2.計算連通分量的方法

class Graph[VD, ED] {
  def connectedComponents(): Graph[VertexID, ED]
}

3.示例

即去掉了與其他頂點無關的那個頂點資訊

package cn.kgc.spark.graphx

import org.apache.spark.
 
SparkContext
import org.apache.spark.graphx.{Edge, Graph, PartitionID, VertexId}
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.SparkSession

object Demo10_ConnectCompents {
  def main(args: Array[String]): Unit = {
    //    建立SparkSession
    val spark: SparkSession = SparkSession.builder(
 
)
      .appName(this.getClass.getName)
      .master("local[4]")
      .getOrCreate()
    //
    //    建立SparkContext
    val sc: SparkContext = spark.sparkContext
    val users: RDD[(VertexId, (String, PartitionID))] = sc.parallelize(Array(
      (1L, ("Alice", 28)),
      (2L, ("Bob"
 
, 27)),
      (3L, ("Charlie", 65)),
      (4L, ("David", 42)),
      (5L, ("Ed", 55)),
      (6L, ("Fran", 50)),
        (7L,("zhsang",41))
    ))
    val cntCall: RDD[Edge[PartitionID]] = sc.parallelize(Array(
      Edge(2L, 1L, 7),
      Edge(2L, 4L, 2),
      Edge(3L, 2L, 4),
      Edge(3L, 6L, 3),
      Edge(4L, 1L, 1),
      Edge(5L, 2L, 2),
      Edge(5L, 3L, 8),
      Edge(5L, 6L, 3)
    ))
    val graph: Graph[(String, PartitionID), PartitionID] = Graph(users, cntCall)
 //呼叫api計算連通分量，得到連通分量子圖
    //即去掉了與其他頂點無關的頂點7得到的子圖稱為連通分量

    graph.connectedComponents().triplets.foreach(println)
  }
}
//輸出
((3,1),(2,1),4)
((5,1),(3,1),8)
((2,1),(1,1),7)
((2,1),(4,1),2)
((4,1),(1,1),1)
((5,1),(6,1),3)
((3,1),(6,1),3)
((5,1),(2,1),2)