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:
注意:
编辑点和边时,点与边的关系需要您来维护。
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。
Graph 数据结构
MaxCompute Graph 能够处理的图必须是是一个由点(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格式存储在 MaxCompute 中。
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。至于如何将图数据分解为二维表格式,您可以根据自身的业务场景做决定。
点的结构可以简单表示为 < ID, Value, Halted, Edges>,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)。边的结构可以简单表示为 <DestVertexID,Value>,分别表示目标点(DestVertexID)和权值(Value)。
例如,上图由下面的点组成:
Graph 程序逻辑
图加载
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。
分布式化:框架调用您自定义的 Partitioner 对点进行分片(默认分片逻辑:点 ID 哈希值,然后对 Worker 数取模),分配到相应的Worker。
例如,上图假设 Worker 数是 2,那么 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。
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。
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,您无需关心。
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。
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();