Graph pyspark中连通分量的高效计算

我正在尝试为城市中的朋友查找连接的组件。我的数据是具有城市属性的边列表

城市| SRC | DEST

休斯顿凯尔->本尼

休斯顿本尼->查尔斯

休斯顿查尔斯->丹尼

奥马哈卡罗尔->布莱恩

等等

我知道pyspark的GraphX库的connectedComponents函数将遍历图的所有边以查找连接的组件，我希望避免这种情况。我该怎么做

编辑： 我想我可以做一些类似的事情

从数据框中选择已连接的_组件（*） groupby城市

---

连接的组件将生成项目列表。

假设您的数据如下

import org.apache.spark._
import org.graphframes._

val l = List(("Houston","Kyle","Benny"),("Houston","Benny","charles"),
            ("Houston","Charles","Denny"),("Omaha","carol","Brian"),
            ("Omaha","Brian","Daniel"),("Omaha","Sara","Marry"))
var df = spark.createDataFrame(l).toDF("city","src","dst")

创建要为其运行连接组件的城市列表

cities=List（“休斯顿”、“奥马哈”）

现在为“城市中的每个城市”列表中的“城市”列运行过滤器，然后从生成的数据帧创建边和顶点数据帧。从这些边和顶点数据帧创建一个graphframe，并运行连接组件算法

val cities = List("Houston","Omaha")

for(city <- cities){
    val edges = df.filter(df("city") === city).drop("city")
    val vert = edges.select("src").union(edges.select("dst")).
                     distinct.select(col("src").alias("id"))
    val g = GraphFrame(vert,edges)
    val res = g.connectedComponents.run()
    res.select("id", "component").orderBy("component").show()
}

---

避免问同一个问题两次：删除旧的一个，这一个有更好的措辞。谢谢你的工作！好吧，该死的。我想可能有一些东西更接近金属，而不仅仅是循环通过我想要阻止的值，但我仍然感谢你的回答

|     id|   component|
+-------+------------+
|   Kyle|249108103168|
|charles|249108103168|
|  Benny|249108103168|
|Charles|721554505728|
|  Denny|721554505728|
+-------+------------+

+------+------------+                                                           
|    id|   component|
+------+------------+
| Marry|858993459200|
|  Sara|858993459200|
| Brian|944892805120|
| carol|944892805120|
|Daniel|944892805120|
+------+------------+