GeaFlow(品牌名 TuGraph-Analytics) 已正式开源,欢迎大家关注!!! 欢迎给我们 Star 哦! GitHub👉https://github.com/TuGraph-family/tugraph-analytics更多精彩内容,关注我们的博客 https://geaflow.github.io/
引言
下面这张图是 GitHub 中约 500 个开源项目仓库与话题组成的关系网络,密布的连线恐怕没有人能从中找到任何有用的信息。然而 GitHub 目前总共有 3000000+的仓库!
如何在 5 分钟内发现有哪些我们感兴趣好项目?
今天我们使用 GeaFlow 帮助我们实现 SSSP(单源最短路径算法),来试一试盲人摸象!
GeaFlow(品牌名 TuGraph-Analytics)是蚂蚁集团开源的分布式实时图计算引擎,目前广泛应用于金融风控、社交网络、知识图谱以及数据应用等场景。
SSSP(单源最短路径算法)算法介绍
SSSP 单源最短路径算法(Single Source Shortest Path)是一种基于图论的算法,用于寻找一个起点到其他所有节点的最短路径。该算法可以应用于多种实际问题,如地图导航、网络拓扑等。
在 GitHub 开源项目仓库与话题组成的关系网络中,从仓库到话题再到仓库的关系边可以支持 SSSP 算法的运行。
如图,在关系网络局部,从起点出发,通过箭头的个数可以标记话题/仓库到源点的距离。例如仓库 FiraCode 与仓库 Font-Awesome 的距离为 2,通过 2 个箭头可到达,它们也是互相距离最近的关联仓库。
简单来说,标记出我们感兴趣的仓库,那些与我们感兴趣仓库距离最近的仓库就是推荐的好仓库。或者更进一步,STAR 数更多的近距离仓库更值得推荐。
GeaFlow 实现 SSSP
要运行 SSSP 算法,我们可以指定使用的图,直接在图查询里调用图算法,语法形式如下:
USE GRAPH github_repo_topic
INSERT INTO tbl_result
CALL sssp('source_vertex') YIELD (repoName, distance)
RETURN repoName, distance;
复制代码
这段代码在图 github_repo_topic 上运行,将 source_vertex 作为算法起点,输出所有其他点的距离。如果无需这么多结果,可以在 RETURN 中加上 WHERE 条件过滤,一切和 SQL 语句一样!
如果需要定制一个图算法,我们可以实现 AlgorithmUserFunction 接口。GeaFlow 内置了多种图算法的通用实现,这些算法无需单独定制,例如 SSSP 算法的参考实现如下:
@Description(name = "sssp", description = "built-in udga Single Source Shortest Path")
public class SSSP implements AlgorithmUserFunction<Object, Long> {
private AlgorithmRuntimeContext<Object, Long> context;
@Override
public void init(AlgorithmRuntimeContext<Object, Long> context, Object[] parameters) {
//初始化算法上下文
this.context = context;
}
@Override
public void process(RowVertex vertex, Iterator<Long> messages) {
long currentDistance;
//初始化所有点距离初始值
if (context.getCurrentIterationId() == 1L) {
//初始化所有点距离初始值
} else if (context.getCurrentIterationId() <= $maxIteration) {
//计算最短距离
} else {
//返回结果
}
//更新距离值
context.updateVertexValue(ObjectRow.create($currentDistance));
//向邻居发送消息
context.sendMessage(vertex.getId(), $currentDistance);
long scatterDistance = $currentDistance == Long.MAX_VALUE ? Long.MAX_VALUE : currentDistance + 1;
for (RowEdge edge : context.loadEdges(EdgeDirection.OUT)) {
context.sendMessage(edge.getTargetId(), scatterDistance);
}
}
@Override
public StructType getOutputType() {
//算法返回值数据类型
return new StructType(
new TableField("id", StringType.INSTANCE, false),
new TableField("distance", LongType.INSTANCE, false)
);
}
}
复制代码
图查询以提交作业的形式完成,作业可以运行在本地或 K8S 集群中,GeaFlow 提供控制台管理和回溯这些图研发作业。
在 GitHub 关系图上盲人摸象
话不多说,我们找到 GitHub 上目前星星数最多的项目,计算与它距离为 2(即具有共同话题)的项目都有哪些?
目前星星最多的项目是 freeCodeCamp,这里数据GitHub Public Repository Metadata截止 2023 年 5 月。
USE GRAPH github_repo_topic
INSERT INTO tbl_result
SELECT repoName, distance FROM (
CALL sssp('freeCodeCamp') YIELD (repoName, distance)
RETURN repoName, distance
) WHERE distance = 2
LIMIT 10
;
复制代码
短短时间我们就拿到了计算结果,来看看 GeaFlow 都给我淘到了哪些好项目吧。这里不按星星数排序,随机呈现 10 条记录。
id,stars,forks
papers-we-love,72164,5162
system-design-primer,220197,39109
free-programming-books-zh_CN,102417,27516
33-js-concepts,56077,7850
build-your-own-x,201052,19629
30-seconds-of-code,111510,11483
carbon,32588,1854
freecodecamp.cn,36459,1369
Web-Dev-For-Beginners,69680,10904
free-programming-books,279431,55158
复制代码
总结
本文介绍了实时图计算引擎 GeaFlow 支持图算法 SSSP 的基本原理以及在 GeaFlow 中的实现细节,并展示其在 GitHub 数据集上的一个应用。
GeaFlow(品牌名 TuGraph-Analytics) 已正式开源,欢迎大家关注!!!
欢迎给我们 Star 哦!
Welcome to give us a Star!
GitHub👉https://github.com/TuGraph-family/tugraph-analytics
更多精彩内容,关注我们的博客 https://geaflow.github.io/
评论