图形计算简介

• 了解Java编程和框架
• 大致了解Python会有帮助，但非必需
• 大致了解数据库概念

大量现实问题可以用图形来描述。例如，Web图形、社交网络图形、火车网络图形、语言图形。这些图形往往太大，处理它们需要一组专门的工具和流程——这些工具和流程可以称为图形计算（也称为图形分析）。

在这一由讲师指导的实时培训中，学员将学习处理图形数据的技术产品和实施方法。目的是识别真实世界里的对象、它们的特征和关系，然后使用图形计算方法对这些关系进行建模并将它们作为数据处理。通过一系列的案例研究、动手练习和实时部署，我们将从广泛的概述开始，然后对特定工具展开详细的学习。

在本次培训结束之后，学员将能够：

• 理解图形数据如何持久化和遍历
• 为给定任务选择最佳框架（从图形数据库到批处理框架）
• 实现Hadoop、Spark、GraphX、Pregel，并行地在多台机器上进行图形计算
• 从图形、流程、遍历方面查看现实世界的大数据问题

课程形式

• 部分讲座、部分讨论、练习和大量实操

介绍

• 图数据库和库

理解图形数据

• 图形作为数据结构
• 使用顶点（点）和边（线）来模拟真实场景

使用图形数据库建模、持久化、处理图形数据

• 本地图形算法/遍历
• neo4j、OrientDB、Titan

练习：使用neo4j建模图形数据

• 白板数据建模

基于图形数据库：图形计算

• 理解属性图
• 图形建模不同场景（软件图、讨论图、概念图）

用遍历解决实际问题

• 算法/定向遍历图形
• 确定循环的依赖性

案例研究：排名讨论贡献者

• 按贡献讨论的数量和深度排名
• 关于情绪和概念分析的说明

图形计算：本地内存图形工具包

• 图形分析和可视化
• JUNG、NetworkX、iGraph

练习：使用NetworkX建模图形数据

• 使用NetworkX为一个复杂系统建模

图形计算：批处理图形框架

• 利用Hadoop进行存储（HDFS）和处理（MapReduce）
• 迭代算法概述
• Hama、Giraph、GraphLab

图形计算：图形并行计算

• 在单个系统中统一ETL，进行探索性分析和迭代图形计算
• GraphX

设置和安装

• Hadoop和Spark

GraphX运算符

• 属性、结构、连接、邻域聚合、缓存和未缓存

使用Pregel API迭代

• 传递发送、接收、计算的参数

构建图形

• 在RDD或磁盘上使用顶点和边

设计可扩展算法

• GraphX优化

访问其他算法

• PageRank、连通组件、三角计数

练习：网页排名和热门用户

• 使用文本文件作为输入来构建和处理图形数据

部署到生产

结束语