spark0.9.1集群模式运行graphx测试程序（LiveJournalPageRank,新增Connected Components）


        spark最新版发布了，之前的版本就已经集成了graphx，这个版本还改了一些bug。我做了简单测试，不过网上关于集群模式运行spark资料太少了，只有关于EC2（见参考资料1）的，但是还很旧，好多命令都有变化了。很讨厌写安装类的博客不注明当前使用软件的版本，这是常识好不好？！

        我的平台配置：

spark：0.9.1

scala：2.10.4

hadoop：1.0.4

jdk：1.7.0

master node：1

worker node：16



1. spark 0\.9\.1的部署

   参见之前的博客

2. 下载graphx的测试程序输入集（点击下载：soc-LiveJournal1.txt.gz）


    如果失效可以留言跟我要。

3. 运行graphx测试程序pagerank

./bin/run-example org.apache.spark.examples.graphx.LiveJournalPageRank spark://$MASTERIP:7077  hdfs://$HDFSIP:9000/soc-LiveJournal1.txt --numEPart=192 --output=pagerank_out
参数解释，自己看吧： Usage: LiveJournalPageRank <master> <edge_list_file>
    [--tol=<tolerance>]
        The tolerance allowed at convergence (smaller => more accurate). Default is 0.001.
    [--output=<output_file>]
        If specified, the file to write the ranks to.
    [--numEPart=<num_edge_partitions>]
        The number of partitions for the graph's edge RDD. Default is 4.
    [--partStrategy=RandomVertexCut | EdgePartition1D | EdgePartition2D | CanonicalRandomVertexCut]
        The way edges are assigned to edge partitions. Default is RandomVertexCut.

4. 运行graphx测试程序Connected Components

该benchmark输入和pagerank可以一样，运行命令如下： ./bin/run-example org.apache.spark.graphx.lib.Analytics spark://$MASTERIP:7077 cc hdfs://$HDFSIP:8020/soc-LiveJournal1.txt --numIter=20 -numEPart=192

参考资料： 1. https://github.com/amplab/graphx/wiki/Launch-a-benchmarking-cluster 2. http://blog.csdn.net/qianlong4526888/article/details/21441131 3. http://spark.apache.org/docs/latest/graphx-programming-guide.html#pagerank

相关内容