流式图分割

承接自上文。本文大部分材料来自SIGMOD 19年Tamer Ozsu老师的一篇论文¹。

图分割算法的特性罗列如下(截图自原文):

流式图分割 （SGP: Streaming Algorithms for Graph Partitioning）

流式图分割在2012年KDD的一篇文章中给出了定义²。有别于传统的图分割，流式图分割一次处理部分图数据，并对于拿到的部分图数据分配到各个节点当中，之后不再迁移已经分配好的数据。所以流式图分割有几个优点：1）可以处理很大的图，理论上只要集群可以容纳，那么就可以处理多大的图。2）一般只加载一次图。3）相比于基于哈希的分配方式，可以有效的保留部分图的性质，进而提升算法性能。

图分割类型

图的分割按点边不同可以分成点分割（vertex-cut）和边分割（edge-cut）两种。直观就是从点切开还是从边切开，从点切开那么就是同一个点可能在多个节点当中存在多份镜像/拷贝。从边切开，那么一条边就有可能存在两个分区当中。

$\to$ 点分割（侵删）：

$\to$ 边分割（侵删）：

1. 对于点分割来说，目标函数一般是要复制因子尽可能的小，就是不同节点中拷贝的点尽可能的少。

$$C(P^t)=\frac{\sum _{u\in V}|A(u)|}{|V|}$$

a. $A(u)$表示点$u$出现在的分区集合。$|A(u)|$表示$u$总共出现在几个分区中。
b. $P^t$表示$t$时刻的分区状态。
c. $C(P^t)$表示$P^t$当前的复制因子。

2. 对于边分割来说，目标函数一般是要割（cut）尽可能的小，因为cut越小，那么一般来说通讯的代价也相应会比较小。遗憾的是Minimum k-cut的复杂度是NPC的，当图分割成k份，k是作为输入时。（注：有$O(|V{|}^{k^2})$复杂度的算法。wiki: Minimum k-cut）。

C ( P t ) = ∑ ( u , v ) ∈ E