MaxCompute Graph是一套面向迭代的图计算处理框架。图计算作业使用图进行建模,图由点(Vertex)和边(Edge)组成,点和边包含权值(Value)。

MaxCompute Graph支持以下图编辑操作:
  • 修改点或边的权值。
  • 增加、删除点。
  • 增加、删除边。
说明 编辑点和边时,需要您同时在代码中维护点与边的关系。

通过迭代对图进行编辑、演化,最终求解出结果。典型应用有PageRank单源最短距离算法K-均值聚类算法 等。您可以使用MaxCompute Graph提供的接口Java SDK编写图计算程序。

基本概念

  • 图(Graph):是用于表示对象之间关联关系的一种抽象数据结构。使用顶点(Vertex)和边(Edge)进行描述,顶点表示对象,边表示对象之间的关系。可以抽象为用图描述的数据即为图数据。
  • 点(Vertex):在图模型中用于表示对象。
  • 边(Edge):在图模型中用于表示对象之间的关系。由源ID、目标ID和与该边缘关联的数据组成的单个定向边缘。
  • 有向图:即边有方向性的图模型,一条边的两个顶点一般为不同的角色,例如页面A连接向页面B。有向图中的边分为出边和入边。
  • 无向图:即边无方向性的图模型,例如用户组中的普通用户。
  • 出边:指从当前顶点指向其它顶点的边。
  • 入边:其它顶点指向当前顶点的边。
  • 度:度表示一个顶点的所有边的数量。
  • 出度:是一个顶点出边的数量。
  • 入度:是一个顶点入边的数量。
  • 超步(SuperStep):图进行迭代计算时,一次迭代称为一个超步。

Graph数据结构

MaxCompute Graph能够处理的图必须是一个由点(Vertex)和边(Edge)组成的有向图。由于MaxCompute仅提供二维表的存储结构,因此需要您自行将图数据分解为二维表存储在MaxCompute中。您可以根据自身的业务场景进行分解。

在进行图计算分析时,使用自定义的GraphLoader将二维表数据转换为MaxCompute Graph引擎中的点和边。
  • 点的结构为<ID, Value, Halted, Edges>,参数分别表示:
    • 点标识符(ID)
    • 权值(Value)
    • 状态(Halted, 表示是否要停止迭代。)
    • 出边集合(Edges,以该点为起始点的所有边列表。)
  • 边的结构为<DestVertexID,Value>,参数分别为:
    • 目标点(DestVertexID)
    • 权值(Value)
例如,上图可以表述为以下二维表格式。
Vertex <ID, Value, Halted, Edges>
v0 <0, 0, false, [<1, 5 >, <2, 10 >]>
v1 <1, 5, false, [<2, 3>, <3, 2>, <5, 9>]>
v2 <2, 8, false, [<1, 2>, <5, 1 >]>
v3 <3, Long.MAX_VALUE, false, [<0, 7>, <5, 6>]>
v5 <5, Long.MAX_VALUE, false, [<3, 4 >]>

Graph程序逻辑

Graph程序主要包含图加载、迭代计算、迭代终止等处理步骤。

  1. 图加载
    图加载包含两个步骤:
    1. 图加载:框架调用您自定义的GraphLoader,将输入表的记录解析为点或边。
    2. 分布式化:框架调用您自定义的Partitioner对点进行分片(默认的分片逻辑是,根据点ID的哈希值对Worker个数取模分片),分配到相应的Worker。
    例如,假设上图中Worker数是2,则v0、v2会被分配到Worker0,因为ID对2取模结果为0。而v1、v3、v5将被分配到Worker1,ID对2取模结果为1。
  2. 迭代计算

    一次迭代为一个超步(SuperStep),遍历所有非结束状态(Halted值为False)的点或者收到消息的点(处于结束状态的点收到信息会被自动唤醒),并调用其compute(ComputeContext context, Iterable messages)方法。

    在您实现的compute(ComputeContext context, Iterable messages)方法中:
    • 处理上一个超步发给当前点的消息(Messages)。
    • 根据需要对图进行编辑:
      • 修改点、边的取值。
      • 发送消息给某些点。
      • 增加、删除点或边。
    • 通过Aggregator汇总信息到全局信息,详情请参见Aggregator机制
    • 设置当前点状态,结束或非结束状态。
    • 迭代进行过程中,框架会将消息以异步的方式发送到对应Worker,并在下一个超步进行处理,无需人工干预。
  3. 迭代终止
    满足以下任意一条,迭代即终止:
    • 所有点处于结束状态(Halted值为True)且没有新消息产生。
    • 达到最大迭代次数。
    • 某个Aggregator的terminate方法返回True。
    Graph程序的伪代码描述如下所示。
    // 1. load
    for each record in input_table {
      GraphLoader.load();
    }
    // 2. setup
    WorkerComputer.setup();
    for each aggr in aggregators {
      aggr.createStartupValue();
    }
    for each v in vertices {
      v.setup();
    }
    // 3. superstep
    for (step = 0; step < max; step ++) {
      for each aggr in aggregators {
        aggr.createInitialValue();
      }
      for each v in vertices {
         v.compute();
       }
    }
    // 4. cleanup
    for each v in vertices {
      v.cleanup();
    }
    WorkerComputer.cleanup();