为什么在Spark GraphX中执行Pregel时会出现TypeMismatch错误？

如何解决为什么在Spark GraphX中执行Pregel时会出现TypeMismatch错误？

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。

为什么在Spark GraphX中执行Pregel时会出现TypeMismatch错误？

如何解决为什么在Spark GraphX中执行Pregel时会出现TypeMismatch错误？

解决方法

相关推荐