그래프 컴퓨팅 소개 교육 과정

소개

• 그래프 데이터베이스 및 라이브러리

그래프 데이터 이해

• 데이터 구조로서의 그래프
• 정점(점)과 모서리(선)를 사용하여 실제 세계 시나리오를 모델링합니다.

그래프Database를 사용하여 그래프 데이터 모델링, 유지 및 처리

• 로컬 그래프 알고리즘/트래버설
• neo4j, OrientDB 및 Titan

연습: neo4j를 사용한 그래프 데이터 모델링

• 화이트보드 데이터 모델링

그래프 너머 Database : Graph Computing

• 속성 그래프 이해
• 다양한 시나리오에 대한 그래프 모델링(소프트웨어 그래프, 토론 그래프, 개념 그래프)

트래버설을 통한 실제 문제 해결

• 그래프에 대한 알고리즘/지시적 워크
• 순환 의존성 결정

사례 연구: 토론 참여자 순위 매기기

• 기여된 토론의 수와 깊이에 따른 순위
• 감정 및 개념 분석에 대한 참고 사항

Graph Computing: 로컬, 메모리 내 그래프 툴킷

• 그래프 분석 및 시각화
• JUNG, NetworkX, 그리고 iGraph

연습: NetworkX를 사용한 그래프 데이터 모델링

• NetworkX를 사용하여 복잡한 시스템 모델링

Graph Computing: 일괄 처리 그래프 프레임워크

• 저장(HDFS) 및 처리(MapReduce)를 위해 Hadoop 활용
• 반복 알고리즘 개요
• 하마, 기라프, 그래프랩

Graph Computing: 그래프 병렬 계산

• 단일 시스템 내에서 ETL, 탐색 분석 및 반복적 그래프 계산을 통합합니다.
• GraphX

설정 및 설치

• Hadoop 그리고 스파크

GraphX 운영자

• 속성, 구조, 조인, 이웃 집계, 캐싱 및 캐싱 해제

Pregel API를 사용한 반복

• 전송, 수신 및 컴퓨팅을 위한 인수 전달

그래프 작성

• RDD 또는 디스크에서 정점과 모서리 사용

Scalable 알고리즘 설계

• GraphX 최적화

Access 추가 알고리즘

• PageRank, 연결 구성 요소, 삼각형 계산

연습: 페이지 순위 및 상위 사용자

• 텍스트 파일을 입력으로 사용하여 그래프 데이터 구축 및 처리

프로덕션에 배포

마무리말