导读：Spark除了批处理和流处理，还提供了GraphX组件提供图计算。近些年，图计算越来越受到数据分析人员的青睐。图计算目前广泛应用于公安系统和银行金融领域。通过社交网络分析，可以打击犯罪团伙，金融欺诈、信用卡盗刷等。通过人与人之间的关联关系推断，还可以用于理财产品推荐等场景。
图算法
常见的图算法大致可以分为路径搜索算法（例如DFS & BFS、最短路径、 最小生成树、随机游走等）、中心性算法（例如DegreeCentrality、 ClosenessCentrality、BetweennessCentrality、PageRank） 以及社群发现算法（例如 MeasuringAlgorithm、ComponentsAlgorithm、LabelPropagation Algorithm、LouvainModularity Algorithm）。
路径搜索算法建立在图搜索算法的基础上，用来探索节点之间的路径。这些路径从一个节点开始，遍历关系，直到到达目的地。路径搜索算法可以用来进行物流规划，最低成本呼叫或者叫IP路由问题等。
中心性算法用于识别图中特定节点的角色及其对网络的影响。中心性算法能够帮助我们识别最重要的节点，帮助我们了解组动态，例如可信度、可访问性、事物传播的速度以及组与组之间的连接。
社群的形成在各种类型的网络中都很常见。识别社群对于评估群体行为或突发事件至关重要。对于一个社群来说，内部节点与内部节点的关系（边）比社群外部节点的关系更多。识别这些社群可以揭示节点的分群，找到孤立的社群，发现整体网络结构关系。社群发现算法有助于发现社群中群体行为或者偏好，寻找嵌套关系，或者成为其他分析的前序步骤。社群发现算法也常用于网络可视化。
GraphX实战
对于上图，我们要找出5号节点与各个节点的最短路，可以在Spark的GraphX帮助下利用最短路算法来实现。
运行结果
总结
本案例只是对GraphX的基本图算法实现进行了演示，更多的图算法实现都可以参照这个流程来实现，用你的智慧去尽情地发掘图网络中的价值吧～
本次的实例代码也已同步至Gitee，欢迎下载调试。可以点击【阅读原文】跳转获取。
文章都看完了
不点个
吗
欢迎 点赞、在看、分享 三连哦～～
