GraphFrame BFS查询返回非指定起点路径的原因咨询

问题原因 #

你的问题核心出在fromExpr的表达式写法存在类型隐式转换问题：

1. 你的id字段是字符串类型，但你写的fromExpr("id = 153030152492013800151")中，右侧的id值没有加引号，会被Spark SQL识别为数值类型，执行时会自动把id字段的字符串值转换为数值做对比。
2. 你使用的id长度为21位，远超过64位长整型的最大值（9223372036854775807，共19位），转换为数值时会发生精度丢失，导致153030152492013800151和153030152492013801220两个不同的字符串转换后得到相同的数值，因此fromExpr把两个节点都判定为符合条件的起点，最终返回了两条不相关的路径。

解决方案 #

• 修正BFS表达式，给id值加单引号声明为字符串类型，避免类型隐式转换，修改后的语句如下：

g.bfs.fromExpr("id = '153030152492013800151'").toExpr("parent = ''").run().show(false)

• 如果你的核心需求是查找所有总根节点，不需要构建图执行BFS，直接执行df.filter("parent = ''").show()即可，性能更高。
• 如果需要批量计算所有节点对应的总根节点，更推荐使用GraphFrame的Pregel API实现，灵活度和性能都优于BFS。

内容的提问来源于stack exchange，提问作者Vitor Ferreira