Spark GraphX 对图进行可视化

àì夳堔傛蜴生んèń 2022-06-12 03:19 215阅读 0赞

Spark 和 GraphX 对并不提供对数据可视化的支持, 它们所关注的是数据处理. 但是, 一图胜千言, 尤其是在数据分析时. 接下来, 我们构建一个可视化分析图的 Spark 应用. 需要用到的第三方库有:

*  GraphStream: 用于画出网络图
 *  BreezeViz: 用户绘制图的结构化信息, 比如度的分布.

这些第三方库尽管并不完美, 而且有些限制, 但是相对稳定和易于使用.

### 安装 GraphStream 和 BreezeViz ###

因为我们只需要绘制静态网络, 所以下载 core 和 UI 两个 JAR 就可以了.

*  gs-core-1.2.jar
 *  gs-ui-1.2.jar

breeze 也需要两个 JAR:

*  breeze\_2.10-0.9.jar
 *  breeze-viz\_2.10-0.9.jar

由于 BreezeViz 是一个 Scala 库, 它依赖了另一个叫做 JfreeChart 的 Java 库, 所以也需要安装:

*  jcommon-1.0.16.jar
 *  jfreechart-1.0.13.jar

可以到 maven 仓库去下载, 下载完成后放到项目根目录下 lib 文件夹下即可. 用 sbt 来管理依赖比较方便, 所以我使用 sbt 来安装这些依赖:

// Graph Visualization
    // https://mvnrepository.com/artifact/org.graphstream/gs-core
    libraryDependencies += "org.graphstream" % "gs-core" % "1.2"
    // https://mvnrepository.com/artifact/org.graphstream/gs-ui
    libraryDependencies += "org.graphstream" % "gs-ui" % "1.2"
    
    // https://mvnrepository.com/artifact/org.scalanlp/breeze_2.10
    libraryDependencies += "org.scalanlp" % "breeze_2.11" % "0.12"
    // https://mvnrepository.com/artifact/org.scalanlp/breeze-viz_2.11
    libraryDependencies += "org.scalanlp" % "breeze-viz_2.11" % "0.12"
    
    // https://mvnrepository.com/artifact/org.jfree/jcommon
    libraryDependencies += "org.jfree" % "jcommon" % "1.0.24"
    
    // https://mvnrepository.com/artifact/org.jfree/jfreechart
    libraryDependencies += "org.jfree" % "jfreechart" % "1.0.19"

### 画图 ###

#### 导入 ####

在导入环节需要注意的是, 如果是与 GraphX 的 Graph 一同使用, 在导入时将 graphstream 的 Graph 重命名为 GraphStream, 否则都叫 Graph 会有命名空间上的冲突. 当然, 如果只使用一个就无所谓了.

import org.graphstream.graph.{Graph => GraphStream}

#### 绘制 ####

首先是使用 GraphX 加载一个图, 然后将这个图的信息导入 graphstream 的图中进行可视化. 具体是:

1.  创建一个 `SingleGraph` 对象, 它来自 graphstream:
    
        val graph: SingleGraph = new SingleGraph("visualizationDemo")
2.  我们可以调用 `SingleGraph` 的 `addNode` 和 `addEdge` 方法来添加节点和边, 也可以调用 `addAttribute` 方法来给图, 或是单独的边和顶点来设置可视化属性. graphsteam API 非常好的一点是, 它将图的结构和可视化用一个类 CSS 的样式文件完全分离了开来, 我们可以通过这个样式文件来控制可视化的方式. 比如, 我们新建一个 `stylesheet` 文件并放到用户目录下的 style 文件下面:
    
        node { fill-color: #a1d99b; size: 20px; text-size: 12; text-alignment: at-right; text-padding: 2; text-background-color: #fff7bc; }
        edge { shape: cubic-curve; fill-color: #dd1c77; z-index: 0; text-background-mode: rounded-box; text-background-color: #fff7bc; text-alignment: above; text-padding: 2; }
    
    上面的样式文件定义了节点与边的样式, 更多内容可见其 [官方文档][Link 1].
    
    准备好样式文件以后, 就可以使用它:
    
        // Set up the visual attributes for graph visualization
        graph.addAttribute("ui.stylesheet","url(file:/home/xlc/style/stylesheet)")
        graph.addAttribute("ui.quality")
        graph.addAttribute("ui.antialias")
    
    `ui.quality` 和 `ui.antialias` 属性是告诉渲染引擎在渲染时以质量为先而非速度. 如果不设置样式文件, 顶点与边默认渲染出来的效果是黑色.
3.  加入节点和边. 将 GraphX 所构建图的 VertexRDD 和 EdgeRDD 里面的内容加入到 GraphStream 的图对象中:
    
        // Given the egoNetwork, load the graphX vertices into GraphStream
        for ((id,_) <- egoNetwork.vertices.collect()) {
         val node = graph.addNode(id.toString).asInstanceOf[SingleNode]
        }
        // Load the graphX edges into GraphStream edges
        for (Edge(x,y,_) <- egoNetwork.edges.collect()) {
         val edge = graph.addEdge(x.toString ++ y.toString, x.toString, y.toString, true).asInstanceOf[AbstractEdge]
        }
    
    加入顶点时, 只需要将顶点的 vertex ID 转换成字符串传入即可.
    
    对于边, 稍显麻烦. addEdge 的 API 文档在 [这里][Link 2], 我们需要传入 4 个参数. 第一个参数是每条边的字符串标识符, 由于在 GraphX 原有的图中并不存在, 所以我们需要自己创建. 最简单的方式是将这条边的两个端点的 vertex ID 连接起来.
    
    注意, 在上面的代码中, 为了避免我们的 Scala 代码与 Java 库 GraphStream 互用上的一些问题, 采用了小的技巧. 在 GraphStream 的 `org.graphstream.graph.implementations.AbstractGraph` API o文档中, `addNode` 和 `addEdge` 分别返回顶点和边. 但是由于 GraphStream 是一个第三方的 Java 库, 我们必须强制使用 `asInstanceOf[T]`, 其中 \[T\] 为 SingleNode 和 AbstractEdge, 作为 `addNode` 和  
    `addEdge` 的返回类型. 如果我们漏掉了这些显式的类型转换, 可能会得到一个奇怪的异常:
    
        java.lang.ClassCastException:
        org.graphstream.graph.implementations.SingleNode cannot
        be cast to scala.runtime.Nothing$
4.  显示图像

graph.display()

完整示例:

object Visualization { 
    
      def main(args: Array[String]): Unit = {
    
        val sparkConf = new SparkConf()
          .setAppName("GraphStreamDemo")
          .set("spark.master", "local[*]")
    
        val sc = new SparkContext(sparkConf)
    
        val graph: SingleGraph = new SingleGraph("graphDemo")
    
        val vertices: RDD[(VertexId, String)] = sc.parallelize(List(
          (1L, "A"),
          (2L, "B"),
          (3L, "C"),
          (4L, "D"),
          (5L, "E"),
          (6L, "F"),
          (7L, "G")))
    
        val edges: RDD[Edge[String]] = sc.parallelize(List(
          Edge(1L, 2L, "1-2"),
          Edge(1L, 3L, "1-3"),
          Edge(2L, 4L, "2-4"),
          Edge(3L, 5L, "3-5"),
          Edge(3L, 6L, "3-6"),
          Edge(5L, 7L, "5-7"),
          Edge(6L, 7L, "6-7")))
    
        val srcGraph = Graph(vertices, edges)
    
        graph.setAttribute("ui.stylesheet", "url(file:/home/hadoop/style/stylesheet)")
        graph.setAttribute("ui.quality")
        graph.setAttribute("ui.antialias")
    
    // load the graphx vertices into GraphStream
        for ((id, _) <- srcGraph.vertices.collect()){
          val node = graph.addNode(id.toString).asInstanceOf[SingleNode]
        }
    
    // load the graphx edges into GraphStream edges
        for (Edge(x, y, _) <- srcGraph.edges.collect()){
          val edge = graph.addEdge(x.toString ++ y.toString, x.toString, y.toString, true).asInstanceOf[AbstractEdge]
        }
    
        graph.display()
    
      }
    }

![graph][]

至此, 一个简单的示例完成. 更多实用的内容可自行研究.

目前, 如果不消耗大量的计算资源, 对于大规模的网络图绘制仍然缺乏一个有力的工具. 类似的工具有:

*  [snap][]: 基于 GraphViz 引擎.
 *  [Gephi][]: 它是交互式的可视化工具, 尽管它有写多级布局和内置 3D 渲染引擎这样的特色, 但是仍然有些高 CPU 和内存的需求.

另外, [zeepelin][] 也可与 Spark 集成, 可自行了解.

参考：

*  Book, Apache Spark Graph Processing.

--------------------

如果不想自己下载, 所有所需的文件可在 [这里][Link 3] 下载.

[Link 1]: http://graphstream-project.org/doc/Tutorials/Graph-Visualisation/
[Link 2]: https://data.graphstream-project.org/api/gs-core/current/
[graph]: /images/20220612/da9c843e0b0e443ba47c2fd193578084.png
[snap]: https://snap.stanford.edu/snap/
[Gephi]: https://gephi.org/
[zeepelin]: https://zeppelin.apache.org/
[Link 3]: http://www.demodashi.com/demo/10644.html