问题描述
我已经用Spark GraphX中的Pregel编写了算法。但不幸的是,我收到TypeMismatch错误。
我用:val my_graph= GraphLoader.edgeListFile(sc,path)
加载图形。因此,开始时节点的结构如下:
(1,1)
(2,1)
(3,1)
以nodeID为键,默认属性为1。
首先在run2
函数内部,更改结构,以使每个节点可以存储多个属性。因为我正在研究重叠的社区检测算法,所以属性是标签及其分数。
在run2
的第一轮运行中,每个节点的结构如下:
(34,Map(34 -> (1.0,34)))
(13,Map(13 -> (1.0,13)))
(4,Map(4 -> (1.0,4)))
(16,Map(16 -> (1.0,16)))
(22,Map(22 -> (1.0,22)))
这意味着节点34具有标签34,其分数等于1。然后,每个节点可以存储从其邻居接收到的多个属性,并在下一步中将其发送给其邻居。
在算法结束时,每个节点可以包含多个属性或仅包含一个属性,例如以下结构:
(1,Map((2->(0.49,1),(8->(0.9,1)),(13->(0.79,1))))
(2,Map((11->(0.89,2)),(6->(0.68,(10->(0.57,2))))
(3,Map((20->(0.0.8,3)),(1->(0.66,3))))
上面的结构显示,例如,节点1属于社区2,得分为0.49,属于社区8,得分为0.9,属于社区13,得分为0.79。
下面的代码显示了Pregel中定义的不同功能。
def run2[VD,ED: ClassTag](graph: Graph[VD,ED],maxSteps: Int) = {
val temp_graph = graph.mapVertices { case (vid,_) => mutable.HashMap[VertexId,(Double,VertexId)](vid -> (1,vid)) }
def sendMessage(e: EdgeTriplet[mutable.HashMap[VertexId,VertexId)],ED]): Iterator[(VertexId,mutable.HashMap[VertexId,VertexId)])] = {
Iterator((e.srcId,e.dstAttr),(e.dstId,e.srcAttr))
}
def mergeMessage(count1: (mutable.HashMap[VertexId,VertexId)]),count2: (mutable.HashMap[VertexId,VertexId)]))= {
val communityMap = new mutable.HashMap[VertexId,List[(Double,VertexId)]]
(count1.keySet ++ count2.keySet).map(key => {
val count1Val = count1.getOrElse(key,(0D,0:VertexId))
val count2Val = count2.getOrElse(key,0:VertexId))
communityMap += key->(count1Val::communityMap(key))
communityMap += key->(count2Val::communityMap(key))
})
communityMap
}
def vertexProgram(vid: VertexId,attr: mutable.HashMap[VertexId,message: mutable.HashMap[VertexId,VertexId)]]) = {
if (message.isEmpty)
attr
else {
val labels_score: mutable.HashMap[VertexId,Double] = message.map {
key =>
var value_sum = 0D
var isMemberFlag = 0
var maxSimilar_result = 0D
val max_similar = most_similar.filter(x=>x._1==vid)(1)
if (key._2.exists(x=>x._2==max_similar)) isMemberFlag = 1 else isMemberFlag = 0
key._2.map {
values =>
if (values._2==max_similar) maxSimilar_result = values._1 else maxSimilar_result = 0D
val temp = broadcastVariable.value(vid)(values._2)._2
value_sum += values._1 * temp
}
value_sum += (beta*value_sum)+((1-beta)*maxSimilar_result)
(key._1,value_sum) //label list
}
val max_value = labels_score.maxBy(x=>x._2)._2.toDouble
val dividedByMax = labels_score.map(x=>(x._1,x._2/max_value)) // divide by maximum value
val resultMap: mutable.HashMap[VertexId,Double] = new mutable.HashMap[VertexId,Double]
dividedByMax.foreach{ row => // select labels more than threshold P = 0.5
if (row._2 >= p) resultMap += row
}
val max_for_normalize= resultMap.values.sum
val res = resultMap.map(x=>(x._1->(x._2/max_for_normalize,x._1))) // Normalize labels
res
}
}
val initialMessage = mutable.HashMap[VertexId,VertexId)]()
val overlapCommunitiesGraph = Pregel(temp_graph,initialMessage,maxIterations = maxSteps)(
vprog = vertexProgram,sendMsg = sendMessage,mergeMsg = mergeMessage)
overlapCommunitiesGraph
}
val my_graph= GraphLoader.edgeListFile(sc,path)
val new_updated_graph2 = run2(my_graph,1)
在上面的代码中,p=0.5
和beta=0.5
。 most_similar
是包含每个节点及其最重要节点的RDD。例如,(1,3)
表示节点3与节点1最相似。broadcatVariable
的结构与以下相同:
(19,Map(33 -> (1.399158675718661,0.6335049099178383),34 -> (1.4267350687130098,0.6427405501408145)))
(15,0.6427405501408145)))
...
该结构显示了一个节点(作为键)和其邻居(作为值)之间的关系。例如,节点19与节点33和34相邻,并且它们之间的分数显示了这种关系。
在算法中,每个节点发送每个属性Map
,其中包含几个标签及其分数。然后在mergeMessage
函数中,将具有相同编号的标签的值放入List
中,并在每个标签或键的vertexProgram
中处理其列表。
已更新
根据下图中的等式,我使用List
来收集Label的不同分数,并在vertexProgram
函数中对其进行处理。因为我需要P_ji
来处理每个节点的标签分数,所以我不知道是否可以在mergeMessage
函数中执行它,或者是否需要在vertexProgram
中执行它。 P_ji
是源节点与其邻居之间的分数,应与标签分数相乘。
我得到的错误显示在vprog = vertexProgram,
行的前面,并在此图中显示。任何人都可以通过解决此错误来帮助我吗?
解决方法
主要问题是您对消息使用两种不同类型。初始消息的类型为mutable.HashMap[VertexId,(Double,VertexId)]
,但是在合并两个消息(使用mergeMessage
函数)后,类型变为mutable.HashMap[VertexId,List[(Double,VertexId)]]
。这里的问题是,由于类型错误,现在合并的消息无法与其他消息合并。
有两种解决方法:
- 将消息类型更改为
mutable.HashMap[VertexId,VertexId)]]
,确保初始消息与此匹配。 - 将消息类型保留为
mutable.HashMap[VertexId,VertexId)]
,并将输出类型mergeMessage
更改为匹配。
下面是有关这两种选择的可能解决方案的一些草图。由于实际所需的逻辑不是很清楚(代码中有一些未使用的变量,等等),因此它们内部可能会有一些错误。当与其余代码结合使用时,这两个选项都可以运行,并且将返回一个新图形。 >
解决方案1 :
您需要调整sendMessage
,mergeMessage
和initialMessage
才能处理列表。可以按照以下步骤进行操作:
def sendMessage(e: EdgeTriplet[Map[VertexId,VertexId)],ED]): Iterator[(VertexId,Map[VertexId,VertexId)]])] = {
val msg1 = e.dstAttr.map{ case (k,v) => (k,List(v)) }
val msg2 = e.srcAttr.map{ case (k,List(v)) }
Iterator((e.srcId,msg1),(e.dstId,msg2))
}
def mergeMessage(count1: Map[VertexId,VertexId)]],count2: Map[VertexId,VertexId)]])= {
val merged = count1.toSeq ++ count2.toSeq
val new_message = merged.groupBy(_._1).map{case (k,v.map(_._2).flatten.toList)}
new_message
}
val initialMessage = Map[VertexId,VertexId)]]()
可能还需要调整messages.isEmpty
中的vertexProgram
返回。
解决方案2 :
要使用不带列表的消息,您需要将合并逻辑从vertexProgram
移至mergeMessage
。我对代码进行了一些简化,因此可能需要进行一些测试。
def mergeMessage(count1: (Map[VertexId,VertexId)]),count2: (Map[VertexId,VertexId)]))= {
val merged = count1.toSeq ++ count2.toSeq
val grouped = merged.groupBy(_._1)
val new_message = grouped.map{ case (key,key_values) =>
val values = key_values.map(_._2)
val max_similar = most_similar.filter(x => x._1 == key).headOption match {
case Some(x) => x
case _ => -1 // What should happen when there is no match?
}
val maxSimilar_result = values.filter(v => v._2 == max_similar).headOption match {
case Some(x) => x._1
case _ => 0.0
}
val value_sum = values.map{ v => v._1 * broadcastVariable.value(key)(v._2)._2}.sum
val res = (beta*value_sum)+((1-beta)*maxSimilar_result)
(key,(res,key))
}
new_message.toMap
}
def vertexProgram(vid: VertexId,attr: Map[VertexId,messages: Map[VertexId,VertexId)]) = {
if (messages.isEmpty){
attr
} else {
val labels_score = messages.map(m => (m._1,m._2._1))
val max_value = labels_score.maxBy(x => x._2)._2.toDouble
val dividedByMax = labels_score.map(x => (x._1,x._2 / max_value)) // divide by maximum value
// select labels more than threshold P = 0.5
val resultMap = dividedByMax.filter{ row => row._2 >= p }
val max_for_normalize= resultMap.values.sum
val res = resultMap.map(x => (x._1 -> (x._2 / max_for_normalize,x._1))) // Normalize labels
res
}
}
注释:
- 当前在
sendMessage
中,一条消息被发送到两个节点,而与图边缘的方向无关。这是否正确取决于所需的逻辑。 - 我将
mutable.HashMap
更改为普通(不变)Map
。如果可能,始终首选使用不可变选项。 - 由于
vertexProgram
中的逻辑非常复杂,因此解决方案1应该更易于使用。那里还有更多的变量当前不执行任何操作,但也许稍后会使用。如果不可能以迭代方式合并消息(并且您需要一次查看所有消息),则可以使用List
。