IdMapping.scala

package com.gwm import java.util.UUID import org.apache.spark.SparkContext import org.apache.spark.graphx._ import org.apache.spark.rdd.RDD import org.apache.spark.sql.SparkSession import org.spark_project.jetty.util.StringUtil /**  * @Author: baierfa  * @version: v1.0  * @description: id_mapping 单天实现暂时不加入多天滚动计算 多天计算需要看另一文件YeAndTodayGraphx  * @Date: 2020-07-05 10:24  */ object TodayGraphx { def main(args: Array[String]): Unit = { //声明环境变量  val spark = SparkSession
      .builder  .appName(s"${this.getClass.getName}")
      .master("local[*]")
      .getOrCreate() val sc = spark.sparkContext val todayPath = "E:\\data\\input"  val outPutPath="E:\\data\\outPut"  val edgeoutPutPath="E:\\data\\edgeoutPut"   todayIdMapping(spark,sc,todayPath,outPutPath,edgeoutPutPath)
    spark.close()
  } /**  * 功能描述: <输入今天数据路径 按照文件形式输出到指定路径中 并推出今日图计算点与边集合总个数>  * 〈使用今日输入数据转换成唯一数字值 图计算之后再将数值转换回明文 生成唯一uuid〉  * @Param: [spark, sc, todayPath, outPutPath, edgeoutPutPath]  * @Return: void  * @Author: baierfa  * @Date: 2020-08-05 10:18  */  def todayIdMapping(spark:SparkSession,sc: SparkContext,todayPath: String,outPutPath:String ,edgeoutPutPath:String )={ // 一、数据加载   // 今天数据加载  val todaydf = spark.read.textFile(todayPath) // 二、处理数据为生成图做准备  // 生成今日点集合  var to_veritx: RDD[(VertexId, String)] = todaydf.rdd.flatMap(line => { // 将数据源进行分割  val field = line.split("\t") //把数据转换成（long，值）要想long值不重复 可以使用hashcode  //本文用于生产环境 使用了md5加密 详细文件请看其他篇章  for (ele <- field if StringUtil.isNotBlank(ele) && (!"\\N".equals(ele))) yield (UtilTool.getMD5(ele), ele)
    }) // 生成今日边集合  val to_edges = todaydf.rdd.flatMap(line => { // 将数据源进行分割  val field = line.split("\t") //将数据转换 将值转换成边 用于连线 连线值这边用""想更换看个人意愿  for (i <- 0 to field.length - 2 if StringUtil.isNotBlank(field(i))&&(!"\\N".equals(field(i))) ;j <- i 1 to field.length - 1 if StringUtil.isNotBlank(field(j))&&(!"\\N".equals(field(j)))) yield Edge(UtilTool.getMD5(field(i)), UtilTool.getMD5(field(j)), "")
    }) // 在数据不做多次etl数据操作下可以使用共同出现次数来判定是否归并为同一个用户  // 例如 合并起来用户 mobile 与 device_id 同时出现两次以上才被记入同一个  //      .map(edge => (edge, 1))  //      .reduceByKey(_   _)  //      .filter(tp => tp._2 > 2)  //      .map(tp => tp._1)   // 三、汇总各个节点使用图计算生成图  // 单将数据重新赋值适用于以后多数据源合并  val veritx = to_veritx val edges = to_edges // 开始使用点集合与边集合进行图计算训练  val graph = Graph(veritx, edges) // 四、生成最大连通图  val graph2 = graph.connectedComponents() val vertices = graph2.vertices // 五、将最小图计算值替换成uuid  val uidRdd = vertices.map(tp => (tp._2, tp._1))
      .groupByKey()
      .map(tp => (StringUtil.replace(UUID.randomUUID().toString, "-", ""), tp._2)) // 对点与边进行统计作为记录输出 可以用于后期统计检查生成报表警报数据是否异常  val uu = veritx.map(lin=>("vertices",1)).union(edges.map(lin=>("edges",1))).reduceByKey(_   _)
      .map(tp=>tp._1 "\t" tp._2) // 将现有的数据转换成铭文识别后展示  // 将各个点的数据汇总到driver端  val idmpMap = veritx.collectAsMap() // 按照map方式广播出去做转换  val bc = sc.broadcast(idmpMap) // 将数据的id转换成明文  val ss = uidRdd.mapPartitions(itemap => { val vert_id_map = bc.value
      itemap.map(tp => { //从广播变量中获取id值的信息并转换  val t2 = for (ele <- tp._2) yield vert_id_map.get(ele).get //按照将要输出的数据格式进行排版 （uuid   mobile1,mobile2,mobile3,device_id1,device_2）  tp._1 "\t" t2.mkString(",")
      })
    }) // 数据输出  ss.saveAsTextFile(outPutPath)
    uu.saveAsTextFile(edgeoutPutPath)
  }
}