CD

run API

• API

  run(edgeInfo: RDD[(Long, Long, Double)],part: Int,minLoopLen: Int,maxLoopLen: Int,minRate: Double,maxRate: Double): RDD[Array[Long]]

• 功能描述

  根据指定约束条件计算有向有权关系网络中环路检测信息，即有向图中首尾相连的路径：

  

  如果存在，则该路径形成一个环路。

• API描述
  1. 包名：package org.apache.spark.graphx.lib
  2. 类名：CycleDetectionWithConstrains
  3. 方法名：run
  4. 输入：

     RDD[(Long, Long, Double)]

     带权重的有向图边数据

  5. 参数详情：

     参数名称	参数含义	取值类型
     graph	带权重的有向图边数据	RDD[(Long, Long, Double)]，边权重为正数
     part	计算时分区个数	Int如100等，正整数
     minLoop	最小的环路长度	Int，一般取值为2以上，正整数
     maxLoop	最大的环路长度	Int，一般取值为10以下，正整数，需大于等于minLoop
     minRate	最小的边权比	Double如0.8等，正浮点数
     maxRate	最大的边权比	Double如1.2等，正浮点数，需大于等于minRate

  6. 核心参数：
     1. minLoop: 最小的环路长度。
     2. maxLoop: 最长的环路长度。
     3. minRate: 边权比（下一边/当前边）最小的比率。
     4. maxRate: 边权比（下一边/当前边）最大的比率。
  7. 输出：RDD[Array[Long]] 满足约束的环路信息，即环路长度在[minLoop,maxLoop]，边权比在[minRate, maxRate]。其中每一行表示一个环，以节点ID表示，顺序是环路的次序，无起始之分。
• 使用样例

  CycleDetectionWithConstrains样例：

  val conf = new SparkConf().setAppName("Cycle Detection").setMaster(host)
  val sc = new SparkContext(conf)
  val input = sc.parallelize(Array((1, 2, 11), (2, 3, 12), (2, 4, 12), (3, 4, 13), (4, 1, 12)))
     .map(f => (f._1.toLong, f._2.toLong, f._3.toDouble))
  val part = 1
  val minLoopLen = 2
  val maxLoopLen = 10
  val minRate = 0.8
  val maxRate = 1.2
  val cycles = CycleDetectionWithConstrains.run(input, part, minLoopLen, maxLoopLen, minRate, maxRate)

• 样例结果
  

  每一行表示一个环路信息，以节点ID为标识，符合上述约束。

  1,2,4
  1,2,3,4