Graphlab实现分析：图的存储二

计数排序、CSR和CSC等概念见上一篇博客“Graphlab实现分析：图的存储一”，此篇博客是接着上一篇博客，介绍一下graphlab中图的动态存储。

1 存储结构

Graphlab实现对图的动态存储也是基于csr和csc格式，不过在csr和csc的底层数据结构设计上做了一些调整，将数组替换为分块链表。如果实现对图的动态存储，那么需要把底层的数据结构从数组换成链表，但需要对原先在静态图存储中所用的那套算法做些调整。

动态存储格式的CSR、CSC和边的值数数组如下图所示：

1. Edges是一个数组，数据结构使用vector，只是将批量插入的边的权值按顺序放入到vector中。

2. CSR是由行迭代器数组rowIterators和columns组成。columns是一个分块链表，表示按邻近矩阵的行（即边的source vertex）大小排序的列的链表，如上图所示，Block的内容如下，Block是固定长度的pair< uint64_t, uint64_t>数组，多个block组成一个链，pair的first是邻接矩阵的列（即边的target vertex），second是列所在的边在edges数组中的位置。CSR的rowIterators是对链表的行建立索引，rowIterator[i]指向行i在columns中的起始位置偏移地址。

3. 对于CSC是有列迭代器数组colIterators和rows组成。Rows是一个分块链表，表示按邻接矩阵的列（即边的target vertex）大小排序的行的链表，如上图所示，Block的内容如下，Block是固定长度的pair<uint64_t, uint64_t>的数组，多个block组成一个链，pair的first是邻接矩阵的行（即边的target vertex），second是行所在的边在edges数组中的位置。colIterators是对链表的列建立索引，colIterators[j]指向列j在rows中的起始位置偏移地址。

2 实现步骤

源码中对csr和csc的构建和动态插入的整体流程：

批量输入的边可以用三个数组来表示，source_vertex数组（边的源顶点），target_vertex数组（边的目标顶点）和边的值数组edge_values。

1. 对source_vertex数组进行计数排序，输出P1和rowptrs，P1是按行从小到大顺序对source_vertex进行排序后生成的序列数组；rowptrs[i]指向第i行在P1中的起始偏移地址，P1[rowptrs[i] + k ]表示第i行的第k个元素在edges数组中的位置，其中 0 <= k < (rowptrs[i + 1] - rowptrs[i])。

2. 对target_vertex数组进行计数排序，输出P2和colptrs，P2是按列从小到大顺序对target_vertex进行排序后生成的序列数组；colptrs[j]指向第j列在P2中的起始偏移地址，P2[colptrs[j] + k]表示第j列的第k个元素在edges数组中的位置，其中0 <= k < (colptrs[j + 1] - colptrs[j])；

3. 由于CSR的底层数据结构是分块链表和行迭代器数组指针，所以需要将计数排序后得到的rowptrs、P1和target_vertex转化为迭代器数组和pair<col,pos>数组。分块链表的block是固定长度的pair<col, pos>数组，所以利用P1和target_vertex来构建pair<col, pos>数组csr_values，第i个输入的边在csr_values中的值为{target_vertex[P1[i]], length(edges) + P1[i]}。

3.1 如果图为空，则用rowptrs和csr_values，来初始化CSR，即将csr_values中的值赋值给CSR的columns，然后将rowptrs的行起始位置转化为columns中的迭代器，放入到rowIterators中。

3.2 如果图不为空，则按行向CSR插入数据，一次插入一行，第i行在csr_values中的值是从csr_values[P1[i]]至csr_values[P1[i + 1]]这一段数据。如下图所示的CSR，rowIterators是一个迭代器的数组，rowIterators[i]存放第i行在columns中的起始位置，rowIterators[i + 1]为第i行的结束位置也是第i + 1行的起始位置；columns是一个分块链表。蓝色为第i行的数据，橙色为i+1行的数据。绿色为需要新插入的第i行的数据。

往第i行插入新数据，CSR插入行的步骤如下：

A. 首先会找到rowIterators[i+1]所指向的第i行的结束位置Pos，将此block中位于Pos之后的第i+1行的数据段预先保存起来。

B. 将第i行的新数据拷贝到Pos之后位置上，如果新插入的数据过长，那么会创建一个或多个新的block来容纳。

C. 将预先保存的第i+1行的数据重新拷贝到新插入数据之后。

如下图所示：

D. 在上述操作完成之后，第i+1行的迭代器指针变为无效，指向的数据位置为第i行新插入的数据，所以要调整第i+1行的迭代器指针。

E. 最后因为按行将数据插入到CSR中会产生一些空隙，如上图block中的白色空格，所以会在所有行都插入后，进行repack操作，将空白的内存进行压缩，变为下图所示：

CSC的处理类似于CSR，不在赘述，这种做法的只能支持动态地批量插入，随机插入的性能开销太大。

3 Graphlab中相关的类

dynamic_block：图的动态存储的底层数据结构采用内存块的链表，可以进行动态的插入。Dynamic_block就是实现这个内存块的类，dynamic_block组成了一个块的链表。

block_linked_list：分块链表，是使用dynamic_block组成的一个单向链表。

dynamic_csr_storage：实现csr和csc动态存储的数据结构，将底层的数组替换为链表，然后使用链表的迭代器数组来实现记录行或列的起始位置。

dynamic_local_graph：实现图的动态存储的类，图的动态存储针对的情况是批量更新，而不是随机插入。