[发明专利]一种基于图算法负载的图大数据流式划分方法

权利要求书

1.一种基于图算法负载的图大数据流式划分方法，其特征在于，该方法包括以下步骤：

数据加载与初始化步骤：加载图大数据，初始化子图；

度量测度选取与计算步骤：根据图大数据并行处理的目标，计算各子图的期望测度值；

启发式规则选取步骤：在预先制定的启发式规则集合中，根据划分需求，选取启发式规则；

子图划分步骤：通过图大数据处理系统，计算图大数据各顶点的预置位置，进行子图的划分，所述预置位置基于各子图的期望测度值和启发式规则计算；

所述度量测度选取与计算步骤具体为，若图大数据并行处理的目标是提高任务的完成时间，则根据第一测度计算式计算期望测度值；若图大数据并行处理的目标是提升系统资源利用率，则根据第二测度计算式计算期望测度值；

所述第一测度计算式为：

Rand_E(G_i，L，A)＝ξ_iLoad(G_i，L，A)

式中，G_i为第i个子图，A为相应的图算法，Rand_E(G_i，L，A)为采用第一测度计算式的第i个子图的期望测度值，ξ_i为第i个计算节点的性能参数比值；V为图大数据；|V|为相应图的节点总数；α、β为常数，可分别取{0，0.5，1}三个值中的1个；ω为算法A在节点v_i上进行运算的基本运算工作量，θ为节点v_i经节点v_i与节点v_j相连接的边e_ij进行数据传输操作的基本工作量；即做加法或乘法；|E(v_i)|为与节点v_i相连接的边的条数。

2.根据权利要求1所述的一种基于图算法负载的图大数据流式划分方法，其特征在于，所述第二测度计算式为：

Rand_E(G_i，T，A)＝ξ_iTime(G_i，T，A)

式中，G_i为第i个子图，A为相应的图算法，Rand_E(G_i，T，A)为采用第二测度计算式的第i个子图的期望测度值，ξ_i为第i个计算节点的性能参数比值，V为图大数据，|V_i|为子图V_i中节点的个数；α、β、γ为常数，可分别取{0，0.5，1}三个值中的1个；ω为算法A在节点v_i上进行运算的基本运算工作量，θ为v_i经e_ij进行数据传输操作的基本工作量；即做加法或乘法；|E(v_iq)|为与节点v_iq相连接的边的条数；s_i为计算节点p_i的计算速度；b_ij为分区p_i，p_j之间的通信带宽；k个计算节点的性能参数之比为：ξ₁：ξ₂：…：ξ_k；n_i为子图G_i中节点的总数；q为求和下标变量，取值从1到n_i。

3.根据权利要求1所述的一种基于图算法负载的图大数据流式划分方法，其特征在于，所述度量测度选取与计算步骤还包括，若图大数据是规则的，并且图大数据处理系统的图算法是拓扑驱动的，则根据第三测度计算式计算期望测度值，所述第三测度计算式为：

Rand_E(G_i，N_V，A)＝ξ_i|V_i|

式中，Rand_E(G_i，N_V，A)为采用第三测度计算式的第i个子图的期望测度值，ξ_i为第i个计算节点的性能参数比值，|V_i|为子图V_i中节点的个数。