头歌：Spark GraphX—寻找社交媒体中的“影响力用户”

第1关：认识Pregel API

简介

Spark GraphX中提供了方便开发者的基于谷歌Pregel API的迭代算法，因此可以用Pregel的计算框架来处理Spark上的图数据。GraphX的Pregel API提供了一个简明的函数式算法设计，用它可以在图中方便的迭代计算，如最短路径、关键路径、n度关系等，也可以通过对一些内部数据集的缓存和释放缓存操作来提升性能。

任务描述

本关任务：使用pregel函数找到图1中距离Ann最远的顶点。

相关知识

Pregel API
在Pregel计算模式中，输入是一个有向图，该有向图的每一个顶点都有一个相应的独一无二的顶点ID。每一个顶点都有一些属性，这些属性可以被修改，其初始值由用户定义。每一条有向边都和其源顶点关联，并且也拥有一些用户定义的属性和值，并同时还记录了其目标顶点的ID。
Pregel运算执行一系列的超步（superstep），每一个超步就是一轮单独的迭代。在每个超步内部，每个顶点的计算都是并行的，每个顶点会接收到它的邻居们在上一轮超步发送的消息的总和，然后计算顶点属性的新值；此外，在超步迭代的最后一步, 每个顶点也会给它的邻居们发送消息。顶点也可以选择不发送消息；如果目标顶点没有从它的源顶点收到任何消息，它就不会参与下一个超步的运算。当没有消息发送时或是当前迭代次数大于默认迭代次数时，Pregel运算符终止迭代并返回一个新的图。

Pregel函数定义如下：

def pregel[A]
         (initialMsg: A,
          maxIter: Int = Int.MaxValue,
          activeDir: EdgeDirection = EdgeDirection.Out)
         (vprog: (VertexId, VD, A) => VD,
          sendMsg: EdgeTriplet[VD, ED] => Iterator[(VertexId, A)],
          mergeMsg: (A, A) => A)
         : Graph[VD, ED]

核心部分是三个函数：

（1）节点处理消息的函数vprog: (VertexId, VD, A) => VD
用户自定义的函数，运行于每个节点上，和输入消息进行计算，生成新的顶点值，在第一次迭代时，vprog在每个顶点上都执行一次，和默认输入消息进行计算，在之后的迭代时，vprog只会在接收到消息的顶点上执行。

（2）节点发送消息的函数sendMsg: EdgeTriplet[VD, ED] =>Iterator[(VertexId,A)]
用户自定义的函数，运行于每个活跃的边三元组上，产生发送给下一次迭代的消息。

（3）消息合并函数mergeMsg: (A, A) => A) 
用户自定义的函数，用于将两条发送给顶点的消息合并为一条消息。

第一个参数列表中的参数是完成一些配置工作&#x