Apache spark GraphX不适用于相对较大的图形
我无法处理230M边的图形。 我克隆了apache.spark,构建了它,然后在集群上进行了尝试 我使用Spark独立群集:Apache spark GraphX不适用于相对较大的图形,apache-spark,spark-graphx,Apache Spark,Spark Graphx,我无法处理230M边的图形。 我克隆了apache.spark,构建了它,然后在集群上进行了尝试 我使用Spark独立群集: -5 machines (each has 12 cores/32GB RAM) -'spark.executor.memory' == 25g -'spark.driver.memory' == 3g 图形有231359027条边。其文件重量为4524716369字节。 图形以文本格式表示: sourceVertexId destinationVertexId 我
-5 machines (each has 12 cores/32GB RAM)
-'spark.executor.memory' == 25g
-'spark.driver.memory' == 3g
图形有231359027条边。其文件重量为4524716369字节。
图形以文本格式表示:
sourceVertexId destinationVertexId
我的代码:
object Canonical {
def main(args: Array[String]) {
val numberOfArguments = 3
require(args.length == numberOfArguments, s"""Wrong argument number. Should be $numberOfArguments .
|Usage: <path_to_grpah> <partiotioner_name> <minEdgePartitions> """.stripMargin)
var graph: Graph[Int, Int] = null
val nameOfGraph = args(0).substring(args(0).lastIndexOf("/") + 1)
val partitionerName = args(1)
val minEdgePartitions = args(2).toInt
val sc = new SparkContext(new SparkConf()
.setSparkHome(System.getenv("SPARK_HOME"))
.setAppName(s" partitioning | $nameOfGraph | $partitionerName | $minEdgePartitions parts ")
.setJars(SparkContext.jarOfClass(this.getClass).toList))
graph = GraphLoader.edgeListFile(sc, args(0), false, edgeStorageLevel = StorageLevel.MEMORY_AND_DISK,
vertexStorageLevel = StorageLevel.MEMORY_AND_DISK, minEdgePartitions = minEdgePartitions)
graph = graph.partitionBy(PartitionStrategy.fromString(partitionerName))
println(graph.edges.collect.length)
println(graph.vertices.collect.length)
}
}
而且收集所有顶点和边来计算它们也不是个好主意。这样做很容易:
graph.vertices.count
和graph.edges.count
我建议您进行二进制搜索,以找到集群可以处理的最大数据大小。拿50%的图表,看看是否有效。如果有,试试75%。等等
我的经验法则是,对于给定大小的输入,您需要20–30倍的内存。对于4.5 GB,这表明限制在100 GB左右。你正好有那么多钱。我没有使用GraphX的经验:它可能会为内存使用增加另一个乘数。在我看来,你就是没有足够的记忆力
-4 workers (each has 12 cores/32GB RAM)
-1 master with driver program (each has 12 cores/32GB RAM)
-'spark.executor.memory' == 25g
-'spark.driver.memory' == 25g