快速探索图数据与图计算

图计算是研究客观世界当中的任何事物和事物之间的关系，对其进行完整的刻划、计算和分析的一门技术。图计算依赖底于底层图数据模型，在图数据模型基础上计算分析Spark是一个非常流行且成熟稳定的计算引擎。下面文章从ONgDB与Spark的集成开始【使用TensorFlow等深度学习框架分析图数据的方案不在本文的讨论范围，仅从图数据库领域探讨与Spark的集成是一个比较流行的方案，可以做一些基础图数据的计算与预训练提交给TensorFlow】，介绍一下具体集成实施方案。下载案例项目源代码可以帮助新手快速开始探索，不必踩坑。大致流程是先在Spark集群集成图数据库插件，然后使用具体API构建图数据分析代码。

在Spark集群安装neo4j-spark插件

• 下载组件

https://github.com/ongdb-contrib/neo4j-spark-connector/releases/tag/2.4.1-M1

• 下载组件放在spark安装目录的jars文件夹

E:\software\ongdb-spark\spark-2.4.0-bin-hadoop2.7\jars

基础组件依赖信息

• 版本信息

Spark 2.4.0  http://archive.apache.org/dist/spark/spark-2.4.0/ONgDB 3.5.xNeo4j-Java-Driver 1.7.5Scala 2.11JDK 1.8hadoop-2.7.7https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/neo4j-spark-connector-full-2.4.1-M1 https://github.com/neo4j-contrib/neo4j-spark-connector

• 下载的安装包

hadoop-2.7.7spark-2.4.0-bin-hadoop2.7winutilsneo4j-spark-connector-full-2.4.1-M1 【把jar包放到spark/jars文件夹里】scala-2.11.12

创建测试数据

UNWIND range(1,100) as idCREATE (p:Person {id:id}) WITH collect(p) as peopleUNWIND people as p1UNWIND range(1,10) as friendWITH p1, people[(p1.id + friend) % size(people)] as p2CREATE (p1)-[:KNOWS {years: abs(p2.id - p2.id)}]->(p2)

FOREACH (x in range(1,1000000) | CREATE (:Person {name:"name"+x, age: x%100}));

UNWIND range(1,1000000) as xMATCH (n),(m) WHERE id(n) = x AND id(m)=toInt(rand()*1000000)CREATE (n)-[:KNOWS]->(m);

备注

• 案例项目【为了避免踩坑下面这个Java-Scala混编案例项目可以参考一下】

https://github.com/ongdb-contrib/ongdb-spark-java-scala-example

下载依赖包如果出现问题请检查下面网址是否可以正常下载Spark相关的JAR包

http://dl.bintray.com/spark-packages/maven

• 案例项目截图【使用前在本地启动Spark】

• 相关组件安装以及其它参考资料请阅读原文