大规模图数据的高效计算关键技术研究电子书

封面页

书名页

版权页

内容简介

一流博士生教育　体现一流大学人才培养的高度（代丛书序）

丛书序二

导师序言

摘要

Abstract

第1章　引言

1.1　大规模图计算

1.2　图计算系统的分类

1.3　图数据高效计算的挑战

1.3.1　图计算的特点

1.3.2　现状和主要优化方向

1.4　主要贡献

1.5　本书组织结构

第2章　相关工作

2.1　基于分布式集群的图计算系统

2.1.1　分布式图计算中的基本概念

2.1.2　分布式图计算中任务的划分算法

2.2　基于外存的图计算系统

2.2.1　外存图计算系统的意义和挑战

2.2.2　以点为中心的外存图计算系统

2.2.3　以边为中心的外存图计算系统

2.3　基于矩阵的图计算引擎

2.4　基于存算融合硬件的图计算系统

第3章　分布式图计算系统的三维任务划分

3.1　概述

3.2　实例研究：协同过滤问题

3.3　三维划分的基本概念

3.4　三维划分下的编程模型

3.4.1　数据模型

3.4.2　UPPS下的三维划分

3.4.3　计算模型

3.4.4　二部图

3.4.5　与GAS模型的比较

3.4.6　例程

3.5　系统实现

3.5.1　数据载入和划分

3.5.2　Update操作的实现

3.5.3　Push，Pull和Sink操作的实现

3.5.4　基于矩阵的数据结构

3.6　实验结果

3.6.1　测试环境

3.6.2　微型测试集

3.6.3　实际应用

3.6.4　其他讨论

3.7　小结

第4章　外存图计算系统的分层数据组织

4.1　概述

4.2　背景介绍

4.2.1　外存图计算系统中的一维划分：GraphChi

4.2.2　外存图计算系统中的二维划分：GridGraph

4.33　DGridGraph

4.3.1　分层存储优势

4.3.2　编程模型

4.3.3　实例研究

4.3.4　实现

4.4　测试结果

4.4.1　定量分析

4.4.2　实测结果

4.5　小结

第5章　矩阵计算引擎的自动优化

5.1　概述

5.1.1　背景介绍

5.1.2　挑战

5.1.3　我们的工作

5.2　设计思路与原理

5.3　KASEN的编程模型

5.3.1　数据

5.3.2　数据的操作

5.3.3　实例：PageRank

5.3.4　应用范围

5.4　KASEN模型的具体实现

5.4.1　三种数据存储状态

5.4.2　显式的存储状态转化

5.4.3　约束条件

5.5　优化方法

5.5.1　循环融合

5.5.2　内部操作

5.5.3　DDAG

5.5.4　优化算法

5.5.5　实例研究

5.6　估算公式

5.7　实现细节

5.8　性能测试

5.8.1　定量分析

5.8.2　性能测试

5.8.3　与已有系统的性能对比

5.9　小结

第6章　拓扑感知的存算融合图计算方法

6.1　概述

6.2　背景介绍

6.2.1　互联拓扑结构

6.2.2　网络瓶颈

6.2.3　已有的PIM图计算系统

6.3　PGIM系统

6.3.1　两阶段点程序

6.3.2　广播

6.3.3　计算和通讯的重合

6.4　测试

6.4.1　划分对通讯量的影响

6.4.2　广播对瓶颈链路通讯量的影响

6.5　小结

第7章　总结与展望

7.1　总结

7.2　展望

参考文献

在学期间发表的学术论文与研究成果

发表的学术论文

专利成果

致谢