.png){kind=icon}
返回
Distributed framework for high-quality graph partitioning
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-025-07907-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
图划分问题随着大数据的出现而日益突出。处理海量图数据需要高效的图处理系统，尤其是需要高质量的图划分方法来应对图应用需求。然而，现有的图划分算法在划分过程中均未考虑图数据量。因此，图处理系统会出现负载不均衡和系统性能下降的问题。为此，我们设计了一个包含数据量指标的分布式高质量图划分框架，该框架旨在实现可扩展性、高可用性和容错性。通过真实数据集的实验，我们证明了VF-Hammer在图划分质量方面表现良好，并且相较于当前最先进的图划分方法取得了更好的性能结果。
Keyword:
Graph databases
Property graph
Graph partitioning
Balance volume
Balance size
期刊
T
IF:
0
论文数:
647
被引数:
0
机构
暂无机构信息
引用论文
HipMCL: a high-performance parallel implementation of the Markov clustering algorithm for large-scale networks.png)
NUCLEIC ACIDS RESEARCH
OAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏Parallel multilevel k-way partitioning scheme for irregular graphs不规则图的并行多级k-向划分方案SIAM REVIEW
SIAM REVIEWIF6.1
PREAI
分享收藏
查看更多内容