PySpark GraphFrames查找Motifs返回空结果，求助排查问题

嘿，我看到你遇到的问题了——明明确定顶点和边有关联，但motifs查询全是空结果。仔细看了你的代码和GraphFrame的结构输出，问题出在数据类型不匹配上！

核心问题：顶点ID与边的src/dst类型不一致 #

从你打印的GraphFrame信息可以看到：

• 顶点表（v）的id字段是int类型
• 边表（e）的src和dst字段是string类型

GraphFrame在查找motifs时，会通过顶点的id和边的src/dst做关联匹配，而SQL的关联逻辑是严格匹配数据类型的——字符串和整数无法匹配，自然查不到任何关联结果。

解决方案：统一数据类型 #

你需要把边表的src和dst字段转换成和顶点id一致的int类型。修改你的代码如下：

#Renaming the id columns to enable GraphFrame
verticesRDD = verticesRDD.withColumnRenamed("station_ID", "id")
edgesRDD = edgesRDD.withColumnRenamed("Trip ID", "id")
edgesRDD = edgesRDD.withColumnRenamed("Start Station", "src")
edgesRDD = edgesRDD.withColumnRenamed("End Station", "dst")

# 新增：将src和dst转换为int类型，与顶点id类型匹配
edgesRDD = edgesRDD.withColumn("src", edgesRDD["src"].cast("int"))
edgesRDD = edgesRDD.withColumn("dst", edgesRDD["dst"].cast("int"))

验证步骤 #

修改后建议先确认类型是否一致：

verticesRDD.printSchema()
edgesRDD.printSchema()

确保顶点的id和边的src、dst都是int类型。

之后重新创建GraphFrame并运行motifs查询：

g = GraphFrame(verticesRDD, edgesRDD)
motifs = g.find("(a)-[e1]->(b)")
motifs.show()

这时候应该就能得到预期的关联结果了。

内容的提问来源于stack exchange，提问作者vikram