基于鲲鹏的分布式图分析算法实战

丛书序
前言
本书阅读导引
第1章　　图分析技术概述001
1.1　图分析技术的重要性002
1.1.1　发展脉络002
1.1.3　应用发展013
1.2　图分析技术体系015
1.2.1　图数据库技术015
1.2.2　图计算技术018
1.2.3　图学习技术021
1.2.4　图生成技术024
1.2.5　图可视化技术028
1.3　大数据背景下图分析技术面临的挑战030
第2章　　经典图算法033
2.1　路径分析034
2.1.1　*短路径算法034
2.1.2　环路检测算法041
2.2　社区挖掘046
2.2.1　连通分量算法046
2.2.2　Louvain算法049
2.3　中心性分析052
2.3.1　Betweenness算法052
2.3.2　K-Core分解算法060
2.4　度量统计063
2.4.1　三角形计数算法064
2.4.2　集聚系数算法066
2.5　相似性分析067
2.5.1　SimRank算法068
2.5.2　子图匹配算法069
第3章　　分布式图计算框架073
3.1　分布式大数据平台概述074
3.1.1　Hadoop074
3.1.2　Spark079
3.1.3　Flink082
3.1.4　小结085
3.2　分布式图计算框架核心技术086
3.2.1　编程模型086
3.2.2　通信模型088
3.2.3　执行模型090
3.2.4　计算模型091
3.2.5　图划分093
3.3　经典分布式图计算框架094
3.3.1　Pregel095
3.3.2　GraphLab096
3.3.3　GraphX098
3.3.4　Gemini099
3.4　分布式图计算的技术挑战100
第4章　　鲲鹏BoostKit图分析算法加速库103
4.1　鲲鹏芯片104
4.1.1　鲲鹏芯片的发展历程104
4.1.2　鲲鹏芯片的架构105
4.1.3　鲲鹏920的特性107
4.2　鲲鹏BoostKit概述108
4.2.1　鲲鹏应用使能套件BoostKit108
4.2.2　大数据使能套件111
4.3　鲲鹏BoostKit图分析算法加速库简介115
4.3.1　算法库概述115
4.3.2　算法加速库安装部署119
4.3.3　算法库集成开发125
4.3.4　算法库调测样例129
4.4　鲲鹏BoostKit图分析算法加速库调优指南131
4.4.1　平台侧调优131
4.4.2　资源侧调优133
4.4.3　算法侧调优136
第5章　　基于鲲鹏的分布式图分析算法优化实战139
5.1　环路检测算法140
5.1.1　分布式实现141
5.1.2　难点分析143
5.1.3　关键步骤与优化点解析145
5.1.4　鲲鹏BoostKit算法API介绍152
5.2　Louvain算法153
5.2.1　分布式实现154
5.2.2　难点分析157
5.2.3　关键步骤与优化点解析159
5.2.4　鲲鹏BoostKit算法API介绍165
5.3　Betweenness算法166
5.3.1　分布式实现167
5.3.2　难点分析171
5.3.3　关键步骤与优化点解析173
5.3.4　鲲鹏BoostKit算法API介绍177
5.4　PageRank算法179
5.4.1　分布式实现180
5.4.2　难点分析182
5.4.3　关键步骤与优化点解析183
5.4.4　鲲鹏BoostKit算法API介绍188
5.5　K-Core分解算法189
5.5.1　分布式实现191
5.5.2　难点分析193
5.5.3　关键步骤与优化点解析194
5.5.4　鲲鹏BoostKit算法API介绍199
5.6　子图匹配算法200
5.6.1　分布式实现200
5.6.2　难点分析204
5.6.3　关键步骤与优化点解析204
5.6.4　鲲鹏BoostKit算法API介绍207
第6章　　图分析算法应用实战211
6.1　网页搜索排名案例212
6.1.1　场景介绍212
6.1.2　整体方案213
6.1.3　关键步骤215
6.1.4　小结221
6.2　视频推荐案例222
6.2.1　场景介绍222
6.2.2　整体方案222
6.2.3　关键步骤224
6.2.4　小结229
6.3　金融风险识别案例230
6.3.1　场景介绍230
6.3.2　整体方案230
6.3.3　关键步骤232
6.3.4　小结240
参考文献241