【Flink图计算源码解析】开篇：Flink图计算总览

1. 图计算的作用

哲学上说事物之间普遍存在联系的，通常来说可以将事物看作图的顶点，事物间的联系看作图的边，典型的场景：

• 对应于学术界的文献来说，每篇论文可以看作顶点，文献之间的引用关系可以看作边。
• 对应于互联网来说，web页面可以看作顶点，页面之间的超链接关系可以看作边。
• 对应于社交网络来说用户可以看作顶点，用户之间建立的关系可以看作边，关系的类别可以看作权重。
• 对应于大型电商来说，用户和商品可以看作顶点(二部图)，它们之间的购买关系可以看作边，购买次数可以看作权重。则抽象出来的图数据就构成了研究和商用的基础。

可以探究很多有趣的问题如：“权威节点(中心)”，“小圈子”，“世界上任意两个人之间的人脉距离”，“消息是如何传播的”等。而将这些有意思的现象用到商业领域，则底层的运算常常是图相关的算法。例如图的最短路径算法可以做好友推荐，计算关系紧密程度；最小连通图可以识别洗钱或虚假交易；Key person可以找到意见领袖，防止客户流失的群体效应；对图做PageRank可以做传播影响力分析，找出问题的中心，做搜索引擎的网页排名。所以图的场景在生活中无处不在。

图计算就是研究在大规模图数据下，如何高效计算，存储和管理图数据等相关问题的领域。

相比之下，Spark的图引擎GraphX发展要完善点。Flink的图计算引擎Gelly发展时间相对要晚点，所以目前的功能还没有Spark那么全面。但是Flink作为一个流计算理论如此完美的数据计算框架，在发展图计算的道路上有独