spark-graphx实现中文及英文pdf版本电子书。详细地讲解了GraphX的方方面面，并且还介绍了scala和spark的各个知识点，从spark基础知识、scala基础知识、图基础知识开始讲解，是一本很好的GraphX入门书籍

Spark+GraphX大规模图计算和图挖掘的第一部分，，本文详细的介绍了如果用spark技术来处理graph的技术.

态度决定高度！让优秀成为一种习惯！ 世界上没有什么事儿是加一次班解决不了的，如果有，就加两次！（---茂强） 一个网络 Network 一个树 Tree 一个RDBMS

资源包含文件：课程论文word+项目源码 本文在 Spark 及图计算引擎 GraphX 的基础上，设计并实现一套用于顶点分 析的社交网络分析系统，为使用 Spark 进行大规模社交网络的顶点分析提供具体 接口，包括社交网络的图模型构建、顶点重要度估值、顶点间路径的计算、顶点 分组等接口，并对计算结果进行了一定程度上的可视化展现。主要工作包括两个 方面:第一是构建图和数据可视化的实现;第二是具体的顶点分析接口的实现。 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/124983932

WPF曲线显示，根据鼠标位置模拟的曲线

本PPT为世纪佳缘研发中心总监吴金龙对Spark的介绍，侧重Mllib机器学习，GraphX图处理两个模块。世纪佳缘在Spark集群上利用机器学习和图算法实现推荐算法。

Spark GraphX源码分析 Spark GraphX是一个新的Spark API ，它用于图和分布式图（ graph-parallel ）的计算GraphX综合了Pregel和GraphLab具有的优点，即接口相对简单，又保证性能，可以应对点分割的本专题会详细介绍GraphX的实现原理，转换GraphX的存储结构以及部分操作作详细分析。 本专题介绍的内容如下： 目录 [图算法实现]

预凝胶最短路径 Pregel 系统的最短路径算法。 使用 Apache Spark 和 GraphX API 实现。 Scala

中国有句老话，叫物以类聚，人以群分，在反作弊和市场营销等应用中，如果我们能根据用户间的某些联系发现社群，然后对这些社群进行反作弊分析或商品推荐，往往会起到意想不到的效果。本文就来介绍一个简单的社群发现的实践。构建社群我们首先需要找到社群用户的某种联系，上文提到的收徒模式本身就是用户间的一个天然联系，我们可以根据用户的师徒关系来构建社群。如下图所示，根据师徒关系我们构建了一个社群，点表示用户，边表示师徒关系。有了这样的社群之后，我们就可以基于社群维度分析设备及用户行为的异常，比如单个设备登陆过多的用户，设备一直处于充电状态，所有用户行为高度一致等，同时可以计算社群用户作弊率来通过已知作弊用户来发

Databricks推荐的Spark GraphX库的入门学习资料。原书共7章，这里翻译了前4章。后面几章有时间的话可能会继续，可以关注我的blog了解进度，但不保证哈~。昨晚上传了一版后发现保存后的目录乱的很，这是修改过的，重新上传。