Introduction to Graph Computing

• Java 程式設計和框架的底層
• 對 Python 的一般理解是有説明的，但不是必需的
• 對資料庫概念的一般理解

觀眾

• 開發人員

許多實際問題都可以用圖表來描述。例如，Web 圖、社交網路圖、訓練網路圖和語言圖。這些圖表往往非常大;處理它們需要一組專門的工具和流程 -- 這些工具和流程可以稱為 Graph Computing（也稱為圖形分析）。

在這個由講師指導的現場培訓中，參與者將瞭解用於處理圖形數據的技術產品和實施方法。目的是識別現實世界的物件、它們的特徵和關係，然後對這些關係進行建模，並使用 Graph Computing（也稱為圖形分析和分散式圖形處理）方法將它們作為數據處理。我們從廣泛的概述開始，然後逐步完成一系列案例研究、動手練習和即時部署，然後縮小具體工具的範圍。

在本次培訓結束時，參與者將能夠：

• 瞭解如何持久保存和遍歷圖形數據。
• 為給定任務選擇最佳框架（從圖形資料庫到批處理框架）。
• 實現 Hadoop、Spark GraphX 和 Pregel 以跨多台機器並行執行圖計算。
• 從圖形、流程和遍歷的角度查看真實的大數據問題。

課程形式

• 部分講座、部分討論、練習和大量動手實踐

介紹

• 圖形資料庫和庫

了解圖形數據

• 作為數據結構的圖形
• 使用頂點 （點） 和邊 （線） 對實際場景進行建模

使用圖 Database 對圖數據進行建模、持久化和處理

• 局部圖演算法/遍曆
• neo4j、OrientDB 和 Titan

練習：使用 neo4j 對圖形數據進行建模

• 白板數據建模

超越圖 Databases： Graph Computing

• 瞭解屬性圖
• 對不同場景進行建模（軟體圖、討論圖、概念圖）

使用 Traversals 解決實際問題

• 演算法/定向遍歷圖形
• 確定圓周

案例研究：對討論貢獻者進行排名

• 按貢獻的討論的數量和深度排名
• 關於情緒和概念分析的說明

Graph Computing：本地記憶體圖工具包

• 圖形分析和可視化
• JUNG、NetworkX 和 iGraph

練習：使用 NetworkX 對圖形數據進行建模

• 使用 NetworkX 對複雜系統進行建模

Graph Computing：批處理圖形框架

• 利用 Hadoop 進行存儲 （HDFS） 和處理 （MapReduce）
• 反覆運算演算法概述
• Hama、Giraph 和 GraphLab

Graph Computing： 圖並行計算

• 將 ETL、探索性分析和反覆運算圖計算統一到一個系統中
• GraphX

設置和安裝

• Hadoop 和 Spark

GraphX 運算符

• 屬性、結構、連接、鄰域聚合、緩存和解緩存

使用 Pregel API 進行反覆運算

• 傳遞用於發送、接收和計算的參數

構建圖

• 在 RDD 或磁碟上使用頂點和邊

設計 Scalable 演算法

• GraphX 優化

Accessing 其他演算法

• PageRank， 連通分量， 三角形計數

Exercis：頁面排名和頂級使用者

• 使用文字檔作為輸入構建和處理圖形數據

部署到生產環境

結束語