figliano的博客

本文是图计算 101 系列的第二篇文章，将繁杂的图计算任务根据其计算模式的特性进行分类，并对每一类的图计算任务进行简要的介绍。 背景 现实生活中的很多数据都可以建模成图（Graph）这一抽象的结构。这种高效紧凑的数据形式可以表示出拓扑、属性、时序等丰富的信息，而图计算的目标就是从图结构中挖掘出有价值的知识或规律，例如频繁模式、因果关系等。随着信息时代的到来，数据规模呈爆炸式增长，产生了对大规模的图数据进行高效处理的需求，图计算已经成为了工业界和学术界的热点话题，并因此诞生了一系列的图计算系统及优化研究工作。

本文将详细介绍： 如何基于 Kubernetes 集群部署 GraphScope ; 背后的工作细节; 如何在分布式环境中使用自己构建的 GraphScope 开发镜像。 快速访问：https://github.com/alibaba/GraphScope 上篇文章介绍了 GraphScope 可以很容易在单机环境下进行部署。然而在真实的工业场景中，需要处理的图数据规模十分巨大，已远远超过了单机的处理能力。因此除单机部署方式外，借助 vineyard 提供的分布式内存数据管理能力，GraphScope