由顶点集合表a和顶点间的关系表b生成了graphframe图，怎么使用bfs算法批量求取包含部分顶点集合的表c中任意两点的最短距离？

在使用GraphFrames库时，可以利用其提供的内置函数来实现基于广度优先搜索（BFS）算法的最短路径查询。以下是使用Python语言的步骤：

1. 首先，你需要创建一个GraphFrame对象，这个对象是由顶点集合表a和边集合表b组成的。

from graphframes import GraphFrame

# 创建顶点DataFrame和边DataFrame
vertices = spark.createDataFrame(a, schema) # a是顶点数据，schema是顶点数据的schema
edges = spark.createDataFrame(b, schema) # b是边数据，schema是边数据的schema

# 创建GraphFrame对象
g = GraphFrame(vertices, edges)

2. 接下来，可以使用`bfs`方法来查找从表c中的起始顶点到目标顶点的最短路径。由于你提到是批量求取，我们可以假设表c中包含了起始顶点和目标顶点的信息。

# 假设表c已经准备好，包含起始顶点和目标顶点的DataFrame
starts = spark.createDataFrame(c, schema) # c是包含起始顶点和目标顶点的表，schema是相应schema

# 使用bfs方法进行广度优先搜索，并设置最大搜索深度（如果有限制的话）
paths = g.bfs("start顶点ID", "end顶点ID", maxPathLength=20, sourceCol="start顶点ID", targetCol="end顶点ID")

# 查看所有路径
paths.show()

3. 若要从路径中提取最短距离，可以通过计算路径上边的数量来确定，因为每条边代表一步，最短路径意味着边的数量最少。

# 添加一个新列，表示路径长度（即边的数量）
paths = paths.withColumn("distance", expr("size(sequence)"))

# 展示最短距离
shortest_paths = paths.filter("distance = size(sequence)").select("start顶点ID", "end顶点ID", "distance")
shortest_paths.show()

在这个过程中，你需要将示例代码中的`start顶点ID`, `end顶点ID`, `sourceCol`, `targetCol`等占位符替换为实际的列名或值。