Spark GraphX 对图进行可视化

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-corelibraryDependencies += "org.graphstream" % "gs-core" % "1.2"// https://mvnrepository.com/artifact/org.graphstream/gs-uilibraryDependencies += "org.graphstream" % "gs-ui" % "1.2"// https://mvnrepository.com/artifact/org.scalanlp/breeze_2.10libraryDependencies += "org.scalanlp" % "breeze_2.11" % "0.12"// https://mvnrepository.com/artifact/org.scalanlp/breeze-viz_2.11libraryDependencies += "org.scalanlp" % "breeze-viz_2.11" % "0.12"// https://mvnrepository.com/artifact/org.jfree/jcommonlibraryDependencies += "org.jfree" % "jcommon" % "1.0.24"// https://mvnrepository.com/artifact/org.jfree/jfreechartlibraryDependencies += "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.

   准备好样式文件以后, 就可以使用它:

   // Set up the visual attributes for graph visualizationgraph.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 GraphStreamfor ((id,_) <- egoNetwork.vertices.collect()) { val node = graph.addNode(id.toString).asInstanceOf[SingleNode]}// Load the graphX edges into GraphStream edgesfor (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, 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 cannotbe 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()  }}

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 下载.