아파치 스파크 그래프엑스

아파치 스파크 그래프엑스(GraphX for Apache Spark)는 분산 병렬 처리를 지원하는 아파치 스파크 기반의 그래프 처리 라이브러리로, 정점과 간선으로 구성된 그래프 구조를 효과적으로 분석하고 조작할 수 있도록 설계되었다.

1 개요

그래프엑스는 RDD(Resilient Distributed Dataset)를 기반으로 동작하며, 정점(vertex)와 간선(edge)을 분산된 형태로 저장하고 처리할 수 있는 기능을 제공한다. 소셜 네트워크 분석, 페이지랭크, 커뮤니티 탐지와 같은 복잡한 그래프 알고리즘을 효율적으로 수행할 수 있으며, 스파크의 다른 컴포넌트들과 통합이 용이하다.

2 주요 기능

• 그래프 구조를 표현하기 위한 정점 및 간선 RDD 제공
• 사용자 정의 속성을 갖는 그래프 처리 가능
• 페이지랭크(PageRank), 연결 요소(Connected Components), 삼각형 개수 계산(Triangle Count) 등의 내장 알고리즘 포함
• Pregel API를 통한 사용자 정의 반복(graph-parallel) 연산 수행
• 정점 및 간선 속성에 대한 필터링, 매핑, 조인 등 다양한 변환 함수 지원

3 구성 요소

• VertexRDD: 정점 정보를 담는 RDD. 각 정점은 고유한 ID와 함께 사용자 정의 속성을 포함한다.
• EdgeRDD: 간선 정보를 담는 RDD. 각 간선은 출발지 ID, 도착지 ID, 속성을 가진다.
• Graph: 정점과 간선을 결합하여 구성되는 그래프 객체. 다양한 연산 및 알고리즘 실행의 기반이 된다.

4 예시 코드

다음은 Scala에서 간단한 그래프를 생성하고 페이지랭크 알고리즘을 적용하는 예시이다.

import org.apache.spark.graphx._
import org.apache.spark.rdd.RDD

val vertexArray = Array(
  (1L, "Alice"), (2L, "Bob"), (3L, "Charlie")
)

val edgeArray = Array(
  Edge(1L, 2L, "follows"), Edge(2L, 3L, "likes")
)

val vertexRDD: RDD[(Long, String)] = sc.parallelize(vertexArray)
val edgeRDD: RDD[Edge[String]] = sc.parallelize(edgeArray)

val graph = Graph(vertexRDD, edgeRDD)
val ranks = graph.pageRank(0.0001).vertices
ranks.collect.foreach(println)

5 GraphFrames와의 비교

• GraphX는 RDD 기반, GraphFrames는 DataFrame 기반으로 구현되어 있다.
• GraphFrames는 SQL 기반 질의 및 모티프 탐색 기능을 제공하지만, GraphX는 더 저수준의 제어와 성능 중심의 API를 제공한다.
• GraphFrames는 Python과 Scala를 지원하지만, GraphX는 Scala와 Java 중심이다.

6 한계점

• RDD 기반 구조로 인해 최적화 및 성능 면에서 DataFrame 기반보다 불리할 수 있다.
• Python API가 제공되지 않아, 비 Scala/Java 사용자에게는 진입 장벽이 있다.
• 개발이 다소 정체되어 있으며, 일부 최신 기능은 업데이트가 느리다.

7 관련 프로젝트

• GraphFrames: GraphX의 기능을 데이터프레임 API로 확장한 라이브러리
• Pregel: Google에서 제안한 그래프 병렬 처리 모델로, GraphX의 메시지 전달 방식에 영향
• NetworkX: Python 기반의 그래프 처리 라이브러리

8 같이 보기

• 아파치 스파크
• 그래프 이론
• 분산 처리
• GraphFrames
• RDD

9 참고 문헌

• Xin, Reynold S. et al. GraphX: Unifying Data-Parallel and Graph-Parallel Analytics. Proceedings of the 11th USENIX Symposium on Operating Systems Design and Implementation (OSDI), 2014.
• Holden Karau, Andy Konwinski et al. Learning Spark. O'Reilly Media, 2015.