上周，我们举办了一个在线研讨会——GraphFrames:ApacheSpark基于数据帧的图形——对新的GraphFrames库进行了概述、现场演示和设计决策和未来计划的讨论。这个网络研讨会包括了刚开始使用apachespark的人以及经验丰富的专家的内容。网络研讨会首先回顾了GraphX的主要改进，并提供了入门的资源。一个分析航班延误的运行示例展示了GraphFrame功能的范围：简单的SQL和图形查询、motif查找和强大的图形算法。用于专家们，这次演讲包括了一些关于设计决策、当前实现以及正在进行的关于速度和性能优化的工作的技术细节。网络研讨会可以按需访问，其幻灯片和示例笔记本也可以作为网络研讨会的附件下载。加入Databricks社区版测试版，免费访问Spark并试用笔记本电脑。我们回答了以下网络研讨会观众提出的常见问题。如果您还有其他问题，请访问Databricks论坛。常见网络研讨会问答单击问题以查看答案：图形框架可以处理多种类型的关系（或边），每种关系都有自己的属性集吗？它会在单个数据帧中作为输入吗？是否有图幅与MLlib管道API的集成计划，以便我们可以利用现有的交叉验证/超参数优化来实现图形算法？对于GraphFrames，有没有一种方法可以增量地构建图，要么使用API，例如addVertex（）、addEdge（），要么逐个从多个文件加载数据？我尝试了用图形框架在一个顶点为3.7M、边为2.1M的图中寻找连接的组件。但是，我遇到了性能/可伸缩性问题。你能详细介绍一下基本算法及其算法复杂度吗？有了graphframe，您可以从邻接矩阵或交叉表（col1，col2）创建图，它计算给定列的成对频率表吗？对于图形框架，是否有方法处理同一数据集中的多种类型的顶点？i、 e.跨越两个不同帧的边，这些帧具有不同的元数据，并将底层数据帧视为类型化顶点？免费试用Databricks。今天就开始吧