[发明专利]基于割点分割机制的大规模图并行计算最大流的加速算法

说明书

本发明涉及基于割点分割机制的大规模图并行计算最大流的加速方法。关键步骤包括：1）构建大规模图的覆盖图；2）确定从源点到汇点在覆盖图上对应的唯一路径；3）将该路径上的顶点对应的子图全部提交到GraphChi平台进行并行最大流计算并整合子图最大流。本发明保证了每个子图最大流计算的独立性，减少了通讯次数，通过并行计算最大流再将结果整合，保证了其计算效率及正确性，能解决大规模图的最大流问题，显著提升求解最大流的计算速度。实验结果表明该方法能够充分利用问题本身特征，应对大规模图计算最大流的场景，相比经典算法能有效加速最大流的计算速度。

技术领域

本发明涉及一种大规模图最大流计算的加速方法，是一种结合割点分割算法在并行图计算框架GraphChi上实现快速计算最大流的方法。

背景技术

随着科技的不断发展，交通、信息服务、电信等领域产生的数据都在以爆炸式的速度增长，通常这些数据都是以大规模图的形式呈现出来，城市交通最大车流量、双十一用户的交易信息传输承载能力、地区同时通话人数负载量等很多实际问题都可以转化为最大流问题，大规模图中的最大流问题已经成为图论体系中重要的研究方向。现有的网络最大流问题，经过人们多年来的努力，建立的理论已逐步趋于完善，但是大规模图的求解最大流的效率较低，依然无法满足目前很多应用场景的需求。

在当前的大数据分析领域，需要处理的图数据量往往高达数十亿以上，图数据结构复杂多变、耦合性强，所以，这类计算通常需要海量的内存，并且出现在高性能的计算集群上，这样在很大程度上增加了开发成本，而且计算的速度依然无法达到最优。相同的，采用分布式图计算系统各个程序之间需要及时的消息通讯，在大规模图计算中大量的数据需要更加频繁的通讯，这样的耗时操作也无法高效率的进行多子图的并行计算，较高的网络基础设施成本以及信息丢失等问题也限制了其应用。而基于磁盘的单机图计算系统GraphChi很好的解决了这个问题。GraphChi利用了个人计算机上的硬盘，将图谱存储在硬盘上。而且，GraphChi使用parallel sliding window减少了磁盘的随机读写，从而大大缩短了处理过程中的磁盘访问时间。利用GraphChi平台可以并行计算出子图的最大流，使得整个计算过程的速度大大提高。

发明内容

(一)解决的技术方案

本发明的主要目的在于解决现有求解大规模图最大流方法效率低下的问题，提出基于割点分割机制在并行框架GraphChi上进行大规模图计算的最大流加速方法，以提高计算效率。该方法主要利用GraphChi框架的并行性，及GraphChi框架对硬盘的高效使用，以显著提高对大规模图求解最大流的计算速度，降低计算复杂度。

(二)技术方案

为了能更清楚的对本发明进行阐述，本文涉及到的相关术语解释如下：

大规模图顶点：包含大规模图中的源点、汇点以及每条边的起始点和末尾点。

大规模图边：连接两个相邻顶点的路径，从起始点指向末尾点的边称为起始点的出边或者末尾点的入边。

边容量：该边从起始点流向末尾点的最大流量。

子图最大流：确定源点、汇点后，从该子图的源点流向汇点的最大流量。

割点：从源点流向汇点流量必须经过的顶点，删去这些点后，源点流出流量将无法到达汇点。

覆盖图：对原始图的根节点进行DFS遍历，遍历到叶子结点后回溯到割点，把找到的割点及割点之间的节点映射为覆盖图中一个顶点，覆盖图中的每一个顶点代表原始图中的一个子图，覆盖图是一个无向无环图。

覆盖图唯一路径：确定大规模图的源点、汇点之后，找到从源点到汇点所经过的子图，这些子图在覆盖图上对应的顶点连接成唯一的一条路径。

覆盖图相邻顶点：大规模图中有公共割点的两个子图i和i+1在覆盖图上的一对相邻顶点。