PageRank算法是计算网页排名的经典算法。输入是一个有向图G,其中顶点表示网页。如果存在网页A到网页B的链接,则存在连接A到B的边。
基本原理
算法的基本原理如下:
初始化:点值表示PageRank的rank值(DOUBLE类型)。初始时,所有点取值为
1/TotalNumVertices
。迭代公式:
PageRank(i)=0.15/TotalNumVertices+0.85*sum
。其中sum为所有指向i点的点(设为j)PageRank(j)/out_degree(j)
的累加值。
由算法基本原理可以看出,此算法非常适合使用MaxCompute Graph程序进行求解。每个点j维护其PageRank值,每一轮迭代都将PageRank(j)/out_degree(j)
发给其邻接点(向其投票)。下一轮迭代时,每个点根据迭代公式重新计算PageRank取值。
前提条件
您已通过编写Graph完成测试所需的环境配置。
测试准备
本测试是在MaxCompute客户端,提交作业到集群进行测试。您也可以先进行本地测试,详情请参见本地调试。
准备好测试程序的JAR包,假设名字为graph-examples.jar,本地存放路径为MaxCompute客户端bin目录下data\resources。
准备好PageRank的测试表和资源。
创建测试表。
CREATE TABLE pagerank_in(vertex STRING, des_1 STRING, des_2 STRING); CREATE TABLE pagerank_out(vertex_id STRING, vertex_value DOUBLE);
添加测试资源。
-- 首次添加忽略-f覆盖指令。 add jar data\resources\graph-examples.jar -f;
使用Tunnel将MaxCompute客户端bin目录下data.txt导入
pagerank_in
表中。tunnel upload data.txt pagerank_in;
data.txt数据如下:
1,2,4 2,1,3 4,2,3 3,1,2
测试步骤
在MaxCompute客户端中执行PageRank测试。
jar -resources graph-examples.jar -classpath data\resources\graph-examples.jar
com.aliyun.odps.graph.PageRank pagerank_in pagerank_out
预期结果
作业成功结束后,输出表pagerank_out
中的内容如下。
+------------+--------------+
| vertex_id | vertex_value |
+------------+--------------+
| 1 | 0.2781238395149928 |
| 2 | 0.3245614688676814 |
| 3 | 0.24161225195637787 |
| 4 | 0.155702636559485 |
+------------+--------------+
代码示例
import java.io.IOException;
import org.apache.log4j.Logger;
import com.aliyun.odps.io.WritableRecord;
import com.aliyun.odps.graph.ComputeContext;
import com.aliyun.odps.graph.GraphJob;
import com.aliyun.odps.graph.GraphLoader;
import com.aliyun.odps.graph.MutationContext;
import com.aliyun.odps.graph.Vertex;
import com.aliyun.odps.graph.WorkerContext;
import com.aliyun.odps.io.DoubleWritable;
import com.aliyun.odps.io.LongWritable;
import com.aliyun.odps.io.NullWritable;
import com.aliyun.odps.data.TableInfo;
import com.aliyun.odps.io.Text;
import com.aliyun.odps.io.Writable;
public class PageRank {
private final static Logger LOG = Logger.getLogger(PageRank.class);
public static class PageRankVertex extends
Vertex<Text, DoubleWritable, NullWritable, DoubleWritable> {
@Override
public void compute(
ComputeContext<Text, DoubleWritable, NullWritable, DoubleWritable> context,
Iterable<DoubleWritable> messages) throws IOException {
if (context.getSuperstep() == 0) {
setValue(new DoubleWritable(1.0 / context.getTotalNumVertices()));
} else if (context.getSuperstep() >= 1) {
double sum = 0;
for (DoubleWritable msg : messages) {
sum += msg.get();
}
DoubleWritable vertexValue = new DoubleWritable(
(0.15f / context.getTotalNumVertices()) + 0.85f * sum);
setValue(vertexValue);
}
if (hasEdges()) {
context.sendMessageToNeighbors(this, new DoubleWritable(getValue()
.get() / getEdges().size()));
}
}
@Override
public void cleanup(
WorkerContext<Text, DoubleWritable, NullWritable, DoubleWritable> context)
throws IOException {
context.write(getId(), getValue());
}
}
public static class PageRankVertexReader extends
GraphLoader<Text, DoubleWritable, NullWritable, DoubleWritable> {
@Override
public void load(
LongWritable recordNum,
WritableRecord record,
MutationContext<Text, DoubleWritable, NullWritable, DoubleWritable> context)
throws IOException {
PageRankVertex vertex = new PageRankVertex();
vertex.setValue(new DoubleWritable(0));
vertex.setId((Text) record.get(0));
System.out.println(record.get(0));
for (int i = 1; i < record.size(); i++) {
Writable edge = record.get(i);
System.out.println(edge.toString());
if (!(edge.equals(NullWritable.get()))) {
vertex.addEdge(new Text(edge.toString()), NullWritable.get());
}
}
LOG.info("vertex edgs size: "
+ (vertex.hasEdges() ? vertex.getEdges().size() : 0));
context.addVertexRequest(vertex);
}
}
private static void printUsage() {
System.out.println("Usage: <in> <out> [Max iterations (default 30)]");
System.exit(-1);
}
public static void main(String[] args) throws IOException {
if (args.length < 2)
printUsage();
GraphJob job = new GraphJob();
job.setGraphLoaderClass(PageRankVertexReader.class);
job.setVertexClass(PageRankVertex.class);
job.addInput(TableInfo.builder().tableName(args[0]).build());
job.addOutput(TableInfo.builder().tableName(args[1]).build());
// default max iteration is 30
job.setMaxIteration(30);
if (args.length >= 3)
job.setMaxIteration(Integer.parseInt(args[2]));
long startTime = System.currentTimeMillis();
job.run();
System.out.println("Job Finished in "
+ (System.currentTimeMillis() - startTime) / 1000.0 + " seconds");
}
}
上述代码,说明如下:
第 23 行:定义PageRankVertex类,其中:
点值表示该点(网页)的当前PageRank取值。
compute()方法使用迭代公式:
PageRank(i)=0.15/TotalNumVertices+0.85*sum
更新点值。cleanup()方法把点及其PageRank取值写到结果表中。
第 55 行:定义PageRankVertexReader类,加载图,将表中每一条记录解析为一个点,记录的第一列是起点,其他列为终点。
第 88 行:主程序(main函数),定义GraphJob,指定Vertex/GraphLoader等的实现,以及最大迭代次数(默认30),并指定输入输出表。