快速上手标准化图存储文件格式 GraphAr

在之前的文章中，我们介绍了标准化图存储文件格式 GraphAr 的设计思路、项目概况和应用场景。在本文中，我们将结合具体的例子，介绍如何使用其提供的 C++ SDK 快速上手 GraphAr。目前，GraphAr 已在 Github 开源，欢迎大家关注、贡献代码和加星星✨～开源地址：https://github.com/alibaba/GraphAr

什么是 GraphAr？

GraphAr（Graph Archive，简称 GAR）为图数据定义了一套标准化的、独立于计算/存储系统的文件格式，并提供了一系列接口用来生成、访问和转换这些格式化的文件。GraphAr 可以帮助各类图计算应用或现有系统方便快捷地构建和访问图数据，它既可以作为图计算应用的直接数据源，也可以服务于图数据的导入/导出和持久化存储，减少各类图系统之间协同工作的开销。下图展示了将 GraphAr 作为图数据归档格式应用在典型业务的场景：借助 GraphAr，用户可以选择需要的点和边数据快速组建一张图，用于后续处理如 GraphScope 图分析任务。

安装 GraphAr 的 C++ SDK 需要以下依赖：

• 支持 C++17 标准的编译器 (g++ >= 7.1 或 clang++ >= 5)
• CMake (>=3.5)
• make build utilities
• curl-devel (Linux) 或 curl (macOS)

在本地搭建环境，从 GraphAr 源码编译安装 C++ SDK 可参考如下步骤：

# 下载最新版本代码
$ git clone https://github.com/alibaba/GraphAr.git

# 更新 submodule
$ git submodule update --init

# 编译
$ cd GraphAr/cpp
$ mkdir build-release
$ cd build-release
$ cmake ..
$ make -j$(nproc)

# Install GraphAr C++ SDK
$ sudo make install

更详细的编译安装步骤请查阅 GraphAr 官方文档。

定义 GraphAr 元信息文件

GraphAr 将图的元信息和数据分别存储在不同的文件中。其中，元信息用一组 yaml 文件来描述：每个图实例对应一个图信息文件，图中每种类型的点/边对应一个点/边信息文件。这些 yaml 文件中定义了有关图数据存储在 GraphAr 中所需的全部必要信息。

以一个简单的名为 “ldbc_sample” 的图为例，由于它包含一种类型的点（person）和一种类型的边（person knows person），因此我们可以通过定义如下三个 yaml 文件来描述这张图的元信息。

ldbc_sample.graph.yml

name: ldbc_sample
vertices:
  - person.vertex.yml
edges:
  - person_knows_person.edge.yml
version: gar/v1

person.vertex.yml

label: person
chunk_size: 100
prefix: vertex/person/
property_groups:
  - properties:
      - name: id
        data_type: int64
        is_primary: true
    file_type: parquet
  - properties:
      - name: firstName
        data_type: string
        is_primary: false
      - name: lastName
        data_type: string
        is_primary: false
      - name: gender
        data_type: string
        is_primary: false
    file_type: parquet
version: gar/v1

person_knows_person.edge.yml

src_label: person
edge_label: knows
dst_label: person
chunk_size: 1024
src_chunk_size: