Spark—GraphX编程指南如何优化长尾推荐系统？

本文共计9558个文字，预计阅读时间需要39分钟。

Spark面试题（一）- 数据倾斜调优Spark面试题（二）- Spark资源调优Spark面试题（三）- Spark性能调优Spark面试题（四）- Spark内存调优Spark面试题（五）- Spark序列化Spark面试题（六）- Spark缓存Spark面试题（七）- Spark广播

Spark系列面试题

• Spark面试题（一）
• Spark面试题（二）
• Spark面试题（三）
• Spark面试题（四）
• Spark面试题（五）——数据倾斜调优
• Spark面试题（六）——Spark资源调优
• Spark面试题（七）——Spark程序开发调优
• Spark面试题（八）——Spark的Shuffle配置调优

GraphX 是新的图形和图像并行计算的Spark API。从整理上看，GraphX 通过引入 弹性分布式属性图(Resilient Distributed Property Graph)继承了Spark RDD：一个将有效信息放在顶点和边的有向多重图。为了支持图形计算，GraphX 公开了一组基本的运算（例如，subgraph，joinVertices和mapReduceTriplets），以及在一个优化后的 PregelAPI的变形。此外，GraphX 包括越来越多的图算法和 builder 构造器，以简化图形分析任务。

图并行计算的背景

从社交网络到语言建模，日益扩大的规模和图形数据的重要性已带动许多新的图像并行系统（例如，Giraph和 GraphLab）。