基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着社交网络的流行,越来越多的相关应用要求能够实时地在大规模社会网络图上进行分析和计算。而目前的图处理系统,如Google的Pregel,是全局、批量处理的图处理系统,并不能实现对图的实时计算。因此,提出了一种新的图增量处理模型,当一个节点发生变化时,只需要以传播的方式更新局部范围内受影响节点。它本质上将传统的批量全局计算模型,转化成一系列的增量的、局部的图计算,保证对图变化的实时处理,并通过避免没有更新节点的重复计算来降低开销。基于这种新的图计算模型,设计了一个低开销、实时的图处理系统--IncGraph,它通过图切分技术将计算局部化,保证了计算的低开销,同时利用主动计算触发和反向链式更新技术,保证了计算的实时性和可靠性。利用真实的社交网络数据证明了IncGraph的低开销、实时性和扩展性。IncGraph的提出会为社交网络应用提供更为灵活的计算框架。
推荐文章
基于大规模廉价计算平台的海量数据处理系统的研究
分布式计算
数据处理
云计算
电信
动态可重配置的星上嵌入式实时计算系统
嵌入式
FPGA
动态可重配置
计算系统
信号处理
分布式大规模交通网络实时模拟系统
分布式
大规模
交通网络
实时模拟
适于大规模数据集的块增量学习算法: BISVM
支持向量机
块增量算法
大规模训练
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 IncGraph:支持实时计算的大规模增量图处理系统
来源期刊 计算机科学与探索 学科 工学
关键词 图处理系统 增量图处理 图切分 主动计算触发 反向链式更新
年,卷(期) 2013,(12) 所属期刊栏目 学术研究
研究方向 页码范围 1083-1092
页数 10页 分类号 TP393.0
字数 7555字 语种 中文
DOI 10.3778/j.issn.1673-9418.1305031
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 代亚非 北京大学计算机科学与技术系 36 851 14.0 29.0
2 杨智 北京大学计算机科学与技术系 13 134 6.0 11.0
3 曲直 北京大学计算机科学与技术系 8 37 4.0 5.0
4 申林 北京大学计算机科学与技术系 1 5 1.0 1.0
5 薛继龙 北京大学计算机科学与技术系 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (5)
同被引文献  (0)
二级引证文献  (0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(3)
  • 引证文献(3)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图处理系统
增量图处理
图切分
主动计算触发
反向链式更新
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
论文1v1指导