Giraph源码分析（六）——Edge 分析 -k6k4.com

欢迎访问：西北工业大学 - 大数据与知识管理研究室（Northwestern Polytechnical University - BigData and Knowledge Management Lab），链接：http://wowbigdata.cn/，http://wowbigdata.net.cn/，http://wowbigdata.com.cn。

1. 在Vertex类中，顶点的存储方式采用邻接表形式。每个顶点有 VertexId、VertexValue、OutgoingEdges和Halt，boolean型的halt变量用于记录顶点的状态，false时表示active，true表示inactive状态。片段代码如下：

/** Vertex id. */  
  private I id;  
  /** Vertex value. */  
  private V value;  
  /** Outgoing edges. */  
  private OutEdges<I, E> edges;  
  /** If true, do not do anymore computation on this vertex. */  
  private boolean halt;  
  /** Global graph state **/  
  private GraphState<I, V, E, M> graphState;

2 org.apache.giraph.edge.Edge 接口，用于存储顶点的边，每条边包含targetVertexId和edgeValue两个属性。类关系图如下：

Giraph默认使用DefaultEdge类存储边，该类中有两个变量： I targetVertexId和 E value，I为顶点ID的类型，E为边的类型。注意，DefaultEdge类同时继承ReusableEdge<I,E>接口，在ReusableEdge<I,E>类的定义中，有如下说明文字：

A complete edge, the target vertex and the edge value. Can only be one edge with a destination vertex id per edge map. This edge can be reused, that is you can set it's target vertex ID and edge value. Note: this class is useful for certain optimizations, but it's not meant to be exposed to the user. Look at MutableEdge instead.

从上述说明文字可知，edge可以被重用，只需要修改targetVertexId和value的值就行。即每个Vertex若有多条出边，只会创建一个DefaultEdge对象来存储边。

3. org.apache.giraph.edge.OutEdges<I,E> 用于存储每个顶点的out-edges。从Vertex类的定义可知，顶点的每条边都被存储在OutEdges<I,E>类型的edge对象中，OutEdges<I,E>接口的关系图如下：

Giraph默认的使用ByteArrayEdges<I,E>，每个顶点的所有边都被存储在byte[ ]中。当顶点向它的出边发送消息时，需要遍历Vertex类中的edges对象。示例代码如下：

//遍历所有的边。getEdges()返回的是Vertex中的edges对象，  
//那么该for循环会调用edges对象的iterator()方法，即调用ByteArrayEdges类中的iterator方法。  
for (Edge<LongWritable, FloatWritable> edge : getEdges()) {  
    //edge对象表示每条边，默认为DefaultEdge类型。  
    double distance = minDist + edge.getValue().get();  
    sendMessage(edge.getTargetVertexId(), new DoubleWritable(distance));  
}

注意：由DefaultEdge的定义可知，遍历getEdges时，返回的Edge对象时同一个对象，只是该对象中值改变了。下面继续查看代码来证明此观点。

查看ByteArrayEdges类的iterator()方法，如下。

    @Override  
     public Iterator<Edge<I, E>> iterator() {  
       return new ByteArrayEdgeIterator();  
     }

返回的是内部类ByteArrayEdgeIterator对象，定义如下：

/** 
  * Iterator that reuses the same Edge object. 
  */  
 private class ByteArrayEdgeIterator  
     extends UnmodifiableIterator<Edge<I, E>> {  
 //extendedDataInput存储所有Edge边对应的字节  
   /** Input for processing the bytes */  
   private ExtendedDataInput extendedDataInput =  
       getConf().createExtendedDataInput(  
           serializedEdges, 0, serializedEdgesBytesUsed);  
//创建一个Edge对象，默认返回的是DefaultEdge对象。  
   /** Representative edge object. */  
   private ReusableEdge<I, E> representativeEdge =  
       getConf().createReusableEdge();  
  
   @Override  
   public boolean hasNext() {  
     return serializedEdges != null && extendedDataInput.available() > 0;  
   }  
  
   @Override  
   public Edge<I, E> next() {  
     try {  
    //核心：此处遍历每条Edge时，都是从extendedDataInput读入每天边的数据存储在representativeEdge对象中。  
    //从此处就可知，每个顶点的所有出边只有一个Edge对象， 遍历时修改每条边的数据的即可  
       WritableUtils.readEdge(extendedDataInput, representativeEdge);    
     } catch (IOException e) {  
       throw new IllegalStateException("next: Failed on pos " +  
           extendedDataInput.getPos() + " edge " + representativeEdge);  
     }  
     return representativeEdg  
}  
 }

总结：当顶点的出度很大时，此优化甚好，能很好的节约内存。如UK-2005数据中，顶点的最大出度为 5213。

假设顶点1的出度顶点有<2 , 0.4>，<3 , 7.8> ，<5 , 6.4> 。如下代码：

    //定义list列表用于存储出度顶点的Id。  
    List<LongWritable> list=new ArrayList<LongWritable>();  
    for (Edge<LongWritable, FloatWritable> edge : getEdges()) {  
        list.add(edge.getTargetVertexId());  
        System.out.println(list);  
    }

输出结果为：

[ 2 ]

[ 3 , 3 ]

[ 5 , 5 , 5 ]

并非是希望的 [ 2 , 3 , 5 ]

完！

个人资料

hadoop迷
等级：6
文章：30篇
访问：2.2w
排名： 13

推荐圈子

图存储于图计算