spark graphx写出二跳邻居以下求解过程的代码求解过程 先构造一个属性图，每个顶点的属性 Attr 为 Map(dstId->distance)，初始化为 Map( 该顶点 ID->0) 。然后进行两次迭代求解二度关系． 第一次迭代 : 遍历每条边，将 dst 顶点属性 dstAttr 中的跳数字段标记为 1 发给 src 顶点， src 收到后合并到顶点属性 srcAttr 里． 第二次迭代 : 遍历边筛选出 dstAttr 里面跳数为 1 的 Key-Value 发给对应的 src 顶点，并将 dstId 加入桥梁顶点，最后聚合这些消息得到所有 2 跳邻居。

下面是Spark GraphX实现二跳邻居的代码：

import org.apache.spark.graphx._

val graph: Graph[Double, Int] = ...

// 初始化每个顶点的属性
val initialGraph = graph.mapVertices((id, _) => Map(id -> 0.0))

// 第一次迭代
val firstIterGraph = initialGraph.mapTriplets(triplet => {
  // 将dst顶点属性中跳数字段标记为1，发给src顶点
  Iterator((triplet.srcId, Map(triplet.dstId -> 1.0)))
})

// 第二次迭代
val secondIterGraph = firstIterGraph.aggregateMessages[Map[VertexId, Double]](
  triplet => {
    // 筛选出dstAttr里跳数为1的Key-Value，发给对应的src顶点
    if (triplet.attr.getOrElse(triplet.dstId, Double.MaxValue) == 1.0) {
      Iterator((triplet.srcId, Map(triplet.dstId -> 2.0)), (triplet.dstId, Map(triplet.srcId -> 2.0)))
    } else {
      Iterator.empty
    }
  },
  (a, b) => {
    // 聚合这些消息得到所有2跳邻居
    a ++ b
  }
)

// 输出结果
secondIterGraph.vertices.foreach(println)

这段代码的具体实现过程如下：

首先，我们定义了一个属性图 `graph`，每个顶点的属性 `Attr` 为 `Map(dstId->distance)`，初始化为 `Map(该顶点ID->0)`。

然后，我们进行两次迭代求解二度关系。第一次迭代：遍历每条边，将 `dst` 顶点属性 `dstAttr` 中的跳数字段标记为1发给 `src` 顶点，`src` 收到后合并到顶点属性 `srcAttr` 里。第二次迭代：遍历边筛选出 `dstAttr` 里面跳数为 1 的 Key-Value 发给对应的 `src` 顶点，并将 `dstId` 加入桥梁顶点，最后聚合这些消息得到所有 2 跳邻居。

最后，我们输出计算出来的二跳邻居结果。