GraphFrames初探

GraphFrames基本介绍

       GraphFrames，该类库是构建在DataFrame之上，它既能利用DataFrame良好的扩展性和强大的性能，同时也为Scala、Java和Python提供了统一的图处理API。GraphX基于RDD API，不支持Python API； 但GraphFrame基于DataFrame，并且支持Python API。

       与Apache Spark的GraphX类似，GraphFrames支持多种图处理功能，但得益于DataFrame因此GraphFrames与GraphX库相比有着下面几方面的优势：

1、统一的 API: 为Python、Java和Scala三种语言提供了统一的接口，这是Python和Java首次能够使用GraphX的全部算法。

2、强大的查询功能：GraphFrames使得用户可以构建与Spark SQL以及DataFrame类似的查询语句。

3、图的存储和读取：GraphFrames与DataFrame的数据源完全兼容，支持以Parquet、JSON以及CSV等格式完成图的存储或读取。

　　在GraphFrames中图的顶点(Vertex)和边(Edge)都是以DataFrame形式存储的，所以一个图的所有信息都能够完整保存。

GraphFrames与GraphX的集成

       GraphFrames可以实现与GraphX的完美集成。两者之间相互转换时不会丢失任何数据。

val graph = Graph(...)

val graphFrame =GraphFrame.fromGraphX(graph)

一、安装anaconda3

1.1、选择版本

anaconda3-5.2.0

参考：https://blog.csdn.net/yuejisuo1948/article/details/81043823

1.2、获取资源

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.2.0-Linux-x86_64.sh

sh Anaconda3-5.2.0-Linux-x86_64.sh

export PATH=/data/install/anaconda3/bin:$PATH

参考：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

二、安装graphframes

2.1、下载graphframes包

官方下载地址：https://spark-packages.org/package/graphframes/graphframes，下载zip格式，上传至服务器。

2.2、在服务器上解压1中的压缩包，unzip xx.zip

将/python/graphframes文件夹拷贝到anaconda3/lib/python/site-package/路径下。

unzip graphframes-0.6.0-spark2.2-s_2.11.zip

cp -rf ./graphframes-0.6.0-spark2.2-s_2.11/python/graphframes ./anaconda3/lib/python3.6/site-packages

三、安装pyspark 

版本需要和spark版本匹配，spark2.2.0 <=> pyspark2.1.2

conda install pyspark==2.2.1

四、安装完毕

示例代码：

demo代码 交互式运行图

上图为python交互运行GraphFrameDemo代码案例；

python脚本直接执行：

cd  /data/install/jupyter_namespace/public/

/data/install/anaconda3/bin/python GraphFrameDemo.py

python 提交运行图

spark-submit提交运行

spark-submit \

--master yarn \

--deploy-mode client \

--num-executors 6 \

--driver-memory 1g \

--executor-memory 1g \

--executor-cores 1 \

GraphFrameDemo.py

spark-submit 提交运行图

五、安装启动简易juypter

启动anaconda3-5.2.0自带jupyter，linux服务器配置jupyter，然后远程使用jupyter。

5.1、 进入环境ipython, 在ipython环境下输入：

from notebook.auth import passwd

passwd()

# 输入方便你记的密码，连续输；两次..输完密码后，会输出一个字符串，形如： ’sha1:9e7a5c5e0a29:8cbdvsv2344d141c92beab1c5bc6e9avsdvdsvsv’

# 将其保存下来, 完成以上操作后，通过exit()推出ipython环境

5.2、进入到用户根目录：

cd /data/install/jupyter_namespace/public/

/data/install/anaconda3/bin/jupyter notebook --generate-config

#（命令会产生文件：/data/install/anaconda3/jupyter_namespace/public/jupyter_notebook_config.py）

5.3、编辑配置文件，编辑此文件，写入

c.NotebookApp.ip = '*' # 允许访问此服务器的 IP，星号表示任意 IP

c.NotebookApp.password = u'sha1:81c56f4992cc:c39ab21d485bb4a58f77b77eec8c022d283de286' # 之前生成的密码 hash 字串

c.NotebookApp.open_browser = False # 运行时不打开本机浏览器

c.NotebookApp.port = 8881 # 使用的端口，随意设置

c.NotebookApp.enable_mathjax = True # 启用 MathJax

c.NotebookApp.notebook_dir = '/data/install/jupyter_namespace/public'

5.4、启动服务

普通用户启动：jupyter notebook 

超级用户启动：jupyter notebook --allow-root

指定配置文件启动：

nohup /data/install/anaconda3/bin/jupyter notebook --allow-root --config jupyter_notebook_config_public.py &

5.5、远程登录使用GraphFrames

---

注意事项：

保证集群各机器，spark-python版本一致

export PYSPARK_DRIVER_PYTHON=/data/install/anaconda3/bin/python3

export PYSPARK_PYTHON=/data/install/anaconda3/bin/python3