GraphxでSparkを使用した場合の最短経路パフォーマンス

jsonファイルedgeとverticesタイプのグラフを作成しています。GraphxでSparkを使用した場合の最短経路パフォーマンス

私は私はこのようなgraphxで必要とされるverticesとedgeタイプを作成するには、これらのjsonレコードをロードし、マップのDropboxフォルダhere

にファイルを入れている：

val vertices_raw = sqlContext.read.json("path/vertices.json.gz") 
val vertices = vertices_raw.rdd.map(row=> ((row.getAs[String]("toid").stripPrefix("osgb").toLong),row.getAs[Long]("index"))) 
val verticesRDD: RDD[(VertexId, Long)] = vertices 
val edges_raw = sqlContext.read.json("path/edges.json.gz") 
val edgesRDD = edges_raw.rdd.map(row=>(Edge(row.getAs[String]("positiveNode").stripPrefix("osgb").toLong, row.getAs[String]("negativeNode").stripPrefix("osgb").toLong, row.getAs[Double]("length")))) 
val my_graph: Graph[(Long),Double] = Graph.apply(verticesRDD, edgesRDD).partitionBy(PartitionStrategy.RandomVertexCut)

私は、このdijkstraを使用実装私は、2つの頂点間の最短経路を計算することが分かった：

def dijkstra[VD](g: Graph[VD, Double], origin: VertexId) = { 
      var g2 = g.mapVertices(
     (vid, vd) => (false, if (vid == origin) 0 else Double.MaxValue, List[VertexId]()) 
     ) 
      for (i <- 1L to g.vertices.count - 1) { 
      val currentVertexId: VertexId = g2.vertices.filter(!_._2._1) 
       .fold((0L, (false, Double.MaxValue, List[VertexId]())))(
       (a, b) => if (a._2._2 < b._2._2) a else b) 
       ._1 

      val newDistances: VertexRDD[(Double, List[VertexId])] = 
       g2.aggregateMessages[(Double, List[VertexId])](
      ctx => if (ctx.srcId == currentVertexId) { 
       ctx.sendToDst((ctx.srcAttr._2 + ctx.attr, ctx.srcAttr._3 :+ ctx.srcId)) 
      }, 
      (a, b) => if (a._1 < b._1) a else b 
     ) 
     g2 = g2.outerJoinVertices(newDistances)((vid, vd, newSum) => { 
      val newSumVal = newSum.getOrElse((Double.MaxValue, List[VertexId]())) 
      (
      vd._1 || vid == currentVertexId, 
      math.min(vd._2, newSumVal._1), 
      if (vd._2 < newSumVal._1) vd._3 else newSumVal._2 
      ) 
     }) 
     } 

      g.outerJoinVertices(g2.vertices)((vid, vd, dist) => 
     (vd, dist.getOrElse((false, Double.MaxValue, List[VertexId]())) 
      .productIterator.toList.tail 
     )) 
     }

私は2つのランダムな頂点IDの取る：

val v1 = 4000000028222916L 
val v2 = 4000000031019012L

とそれらの間のパスを計算する：

val results = dijkstra(my_graph, v1).vertices.map(_._2).collect

私はstackoverflowのエラーを取得せずに私のラップトップ上でローカルにこれを計算することができません。利用可能な4つのコアのうち3つを使用していることがわかります。私はこのグラフを読み込み、Pythonのigraphライブラリを使って、全く同じグラフ上で、最短10パス/秒を計算することができます。これはパスを計算するのに非効率的な手段ですか？規模では、複数のノードでパスが計算されます（スタックオーバーフローエラーはありません）が、パス計算あたり30/40秒です。

出典

2017-01-10 LearningSlowly