I/O-Efficient Graph Analytics on SSD via Activity-Aware Preprocessing

doi:10.1109/tpds.2026.3732293

I/O-Efficient Graph Analytics on SSD via Activity-Aware Preprocessing

2026-09-09

0

PRE

AI

DOI：10.1109/tpds.2026.3732293

原文链接

原文求助

摘要

En 中文

基于SSD的图处理系统为处理无法容纳于单机内存的持续增长的大型图提供了成本高效的解决方案。然而，SSD粗粒度访问粒度（如4 KB）与细粒度图顶点数据的不匹配导致严重的读放大和低I/O效率。先前的研究工作，如动态主动数据收集和基于重排的图预处理，部分缓解了这一问题，但通常引入昂贵的在线开销、低效的图遍历和I/O不均衡，从而降低了系统整体性能。为解决这些局限性，我们提出了Graphago，一种面向SSD基图处理系统的活动感知图预处理技术。Graphago通过三种协同设计联合利用预测的图数据活动来优化图存储组织，从而在不牺牲整体处理性能的情况下提高I/O效率。首先，它采用一种双中心性活动预测模型，通过捕捉局部连通性和全局重要性来准确估计顶点活动。其次，它引入一种活动-邻域图排序技术，根据顶点活动和邻域关系重组图，在减少读放大的同时保持遍历效率。第三，它采用一种活动数据平衡的图划分方案，将高活动数据均匀分布到各分区以缓解I/O不均衡。此外，我们通过一套惰性自适应、活动感知机制扩展Graphago以支持动态图处理。实验结果表明，Graphago比现有最先进的SSD基图处理系统最高提升4.8倍性能，同时以合理的预处理开销提供更高的I/O效率。

Keyword:

Graph processing

SSD

I/O efficiency

preprocessing

I/O-Efficient Graph Analytics on SSD via Activity-Aware Preprocessing

摘要

期刊

机构

引用论文