spark graphx 实现图的一度正反向搜索，二度正反向搜索

    通讯录数据，一直是各个app平台的重要数据来源。通讯录组成的图谱关系分析是大数据部门必做的一件事，因为他可以为推荐算法工程师提供更好的数据支持。
    图数据存储有很多种方式：
    基本的一种方式就是存储到关系型数据仓储中。这种存储方式的优点是，数据仓储模型简单易于实现且对于一度关系查询也很方便。但是对于二度关系则需要自join一次，三度好友分析则需要自join两次，对于多度分析十分消耗性能。
    另外一种是基于开源框架neo4j等图数据实现图数据的存储，不进能够实现多度快速查询，还能对图进行渲染。但是neo4j社区版本仅能够支持千万级别的点，商业版本收费太高
    对于数据量很大，但是又不想使用付费版本的图数据，但又想要实现图数据的快速索引。现提供一种方案，sparkGraphx+hbase+hive实现的图数据预计算平台。原始数据存储增量存储在hive中，批次使用graphx将hive中图数据做一度，二度...n度预处理计算，结果存储到hbase/solr中已达到实时查询图数据的目的。
    以下是基于sparkGraphx实现图数据的一度全向索引，二度（正正，反反，正反，反正）索引的计算方案。

【注】：

searchByPatch方法是路径索引，eg:传入1就是一度正向，-1,1二度正向反向索引，-1,1,1三度路径的反向正向正向索引

     数据格式：

 1 2

2 1

3 1

 第一行表示用户1存储了用户2的联系方式

package mob

import org.apache.spark.graphx.{Edge, Graph, VertexId}
import org.apache.spark.rdd.RDD
import org.apache.spark.storage.StorageLevel
import org.apache.spark.{SparkConf, SparkContext}

object OperatorFun {
  def transforEdge(edgeString: String): List[Edge[String]] = {
    val edges = edgeString.trim.replaceAll(" +", " ")
    val vertexs = edges.toString.split(" ")
    if (vertexs.length == 2 && vertexs(0) != vertexs(1)) {
      return List(Edge(vertexs(0).toLong, vertexs(1).toLong, ""));
    }
    return List[Edge[String]]()
  }
}

object FriendSearch {
  /**
    * 构建图
    *
    * @param edgeFilePath
    * @return
    */
  def loadGraph(edgeFilePath: String): Graph[String, String] = {
    val conf = new SparkConf().setAppName("graph").setMaster("local")
    val sc = new SparkContext(conf)
    val edgeRDD = sc.textFile(edgeFilePath).flatMap(OperatorFun.transforEdge(_)).distinct()
    val graph: Graph[Long,