技术01期：大规模图计算【基础篇】

导读

 

图计算就是研究如何高效计算、存储和管理大规模图数据。图是由顶点和边组成的，它可以对事物以及事物之间的关系建模，比如文章是点，文章与文章之间的超链接是边；或者顾客和商品是点，购买或者喜欢是边，购买的次数喜欢的程度是边的权重；再如银行卡持卡人是点，交易是边，交易频率交易金额是属性。

 

针对这些关系模型，我们可以用最短路径算法做好友推荐，计算关系紧密程度；最小连通图可以识别洗钱或虚假交易；Keyperson可以找到社区领袖，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等。

 

 

 

▐ 图的存储方式：

 

图之所以复杂在于每个顶点的逻辑位置都是相对的，顶点之间的关联依赖也是不确定的，所以无法以数据元素在内存中的物理位置来表示元素之间的关系，即无法用简单的顺序存储结构来表示。所以将图的顶点和边分别使用两种结构来存储表示会相对容易。

 

图的邻接矩阵是一种常见的图存储结构，它将n个顶点存储在一维数组中，用n*n的矩阵来表示任意两点之间的关系。则主对角线全是无用空间，顶点的行向与列向边的数量之和分别表示它的出度和入度。显然对于边数量相对于顶点较少的稀疏矩阵会极大的浪费存储空间。