有人知道apachespark graphx的强制三维图算法的实现吗？
我得到了一个必须可视化的图形，为了快速渲染，我想计算apachespark graphx中每个图形节点的3d坐标，然后将这些坐标作为输出传递给应用程序的渲染模块。
到目前为止，我只知道d3.js库可以提供这样的图形的3d渲染，但是它们非常有限，而且工作方式与我的需要完全相反——这些库采用图形节点和链接，并在javascript中实现所有坐标演算，这使得它对于任何大量的数据都毫无用处（如果图形超过100k节点）。我们的目标是找到一些算法或lib，它提供了一种方法来计算spark本身内3d空间中每个节点的坐标，从而使spark内的大量计算只向渲染模块暴露一个位置数组{nodeid，x，y，z}。
在我的例子中，图的每条边实际上是一个方向力（例如，从nodea到nodeb的力值为4，从nodeb到nodea的力值为2.1……）。算法的思想是执行以下操作：
从外部源预加载图形数据。此数据包括节点ID和方向链接（力值）
在计算开始之前：每个节点被分配一些随机的三维坐标初始值（x，y，z），最小差（delta）被定义为常数，最小行程距离（step）也被定义为常数
算法执行一组迭代计算，并为图坐标{nodeid，x，y，z}的每个节点计算一组坐标：对于每个节点和一组节点的力（入站和出站），它为一个节点找到所有这些力的结果向量，并将节点一步一步地移动到该向量
一旦所有节点的新坐标与上一次迭代的坐标之间的距离小于delta，则停止迭代
我知道，我上面的描述不太理想，可能看起来不太清楚，但是，也许观众中有人遇到了足够接近的东西来尝试。如果您能就如何使用apachespark graphx实现这些功能提供任何建议，并能参考任何类似的项目/存储库，我们将不胜感激