CN111274455A - 图数据处理方法、装置、电子设备及计算机可读介质 - Google Patents

图数据处理方法、装置、电子设备及计算机可读介质 Download PDF

Info

Publication number
CN111274455A
CN111274455A CN202010040441.XA CN202010040441A CN111274455A CN 111274455 A CN111274455 A CN 111274455A CN 202010040441 A CN202010040441 A CN 202010040441A CN 111274455 A CN111274455 A CN 111274455A
Authority
CN
China
Prior art keywords
data
node
graph data
graph
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010040441.XA
Other languages
English (en)
Other versions
CN111274455B (zh
Inventor
尤海航
刘涛
乔梁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Suiyun Technology Co Ltd
Original Assignee
Beijing Suiyun Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Suiyun Technology Co Ltd filed Critical Beijing Suiyun Technology Co Ltd
Priority to CN202010040441.XA priority Critical patent/CN111274455B/zh
Priority claimed from CN202010040441.XA external-priority patent/CN111274455B/zh
Publication of CN111274455A publication Critical patent/CN111274455A/zh
Application granted granted Critical
Publication of CN111274455B publication Critical patent/CN111274455B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/901Indexing; Data structures therefor; Storage structures
    • G06F16/9024Graphs; Linked lists
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/904Browsing; Visualisation therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Image Generation (AREA)

Abstract

本公开实施例提供一种图数据处理方法、装置、电子设备及计算机可读介质,该方法包括:获取初始图数据,所述初始图数据包括边数据,每个边数据包括第一节点数据和第二节点数据;压缩所述初始图数据,获得所述初始图数据的压缩图数据;对所述压缩图数据中的所述第一节点数据和所述第二节点数据进行遍历,以根据遍历结果获得目标映射表;根据所述目标映射表对所述压缩图数据进行处理,获得目标图数据。本公开的技术方案通过对压缩图数据进行遍历,获得目标映射表,能够根据目标映射表对压缩图数据进行转换,快速获得具有带宽近似最优解的目标图数据,提高目标图数据在处理时的空间局部性,进而提高目标图数据的存储和计算效率。

Description

图数据处理方法、装置、电子设备及计算机可读介质
技术领域
本公开涉及图结构数据处理技术领域,尤其涉及一种图数据处理方法、装置、电子设备及计算机可读介质。
背景技术
在当今的大数据时代,图结构的数据无处不在,包括用于导航和城市规划的路网图,用于计算网页排名的网页图,用于社区发现、民意分析的社交网络图,用于研究神经科学的脑图等各个领域产生的图数据。这些数据大都具有规模大、增长快的特点,如何高效的、可扩展的处理这些图数据是一个迫切需要解决的问题。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此,本公开实施例提供一种图数据处理方法、装置、电子设备及计算机可读介质,能够提高目标图数据在处理时的空间局部性,进而提高目标图数据的存储和计算效率。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开实施例的第一方面,提出一种图数据处理方法,该方法包括:获取初始图数据,所述初始图数据包括边数据,每个边数据包括第一节点数据和第二节点数据;压缩所述初始图数据,获得所述初始图数据的压缩图数据;对所述压缩图数据中的所述第一节点数据和所述第二节点数据进行遍历,以根据遍历结果获得目标映射表;根据所述目标映射表对所述压缩图数据进行处理,获得目标图数据。
在本公开的一种示例性实施例中,压缩所述初始图数据,获得所述初始图数据的压缩图数据包括:根据所述第一节点数据的初始标记对所述初始图数据中的所述边数据进行排序,获得第一排序数据;对所述第一排序数据进行压缩,获得所述初始图数据的所述压缩图数据。
在本公开的一种示例性实施例中,所述压缩图数据包括第一数组和第二数组;其中,对所述第一排序数据进行压缩,获得所述初始图数据的所述压缩图数据包括:将所述第一排序数据中每个边的所述第二节点数据作为元素,生成所述第一数组;获得所述第一排序数据中具有相同的第一节点数据的边数据;将所述具有相同的第一节点数据的边数据的第二节点数据,在所述第一数组中对应元素的最小下标作为元素,生成所述第二数组。
在本公开的一种示例性实施例中,在对所述第一排序数据进行压缩,获得所述初始图数据的所述压缩图数据之前,还包括:剔除所述第一排序数据中的重复数据,所述重复数据包括重复边与重复环。
在本公开的一种示例性实施例中,对所述压缩图数据中的所述第一节点数据和所述第二节点数据进行遍历,获得目标映射表,包括:在所述第一排序数据中具有相同第一节点数据的边数据中,按照第二节点数据的度进行排序,获得第二排序数据;以所述第二排序数据中具有最小的初始标记的所述第一节点数据或所述第二节点数据为遍历起点,按照广度优先遍历方式对所述第二排序数据中的所述第一节点数据和所述第二节点数据进行遍历;将所述第一节点数据和所述第二节点数据的遍历顺序作为所述第一节点数据和所述第二节点数据的目标标记;将所述第一节点数据和所述第二节点数据的目标标记与初始标记作为映射对,写入所述目标映射表。
在本公开的一种示例性实施例中,根据所述目标映射表对所述压缩图数据进行处理,获得目标图数据包括:根据所述目标映射表,将所述压缩图数据中的所述第一节点数据和所述第二节点数据的初始标记更新为目标标记,以获得所述目标图数据。
在本公开的一种示例性实施例中,还包括:接收目标对象的图数据计算请求;根据所述图数据计算请求对所述目标图数据进行处理,将处理结果发送至所述目标对象。
根据本公开实施例的第二方面,提出一种图数据处理装置,该装置包括:图数据获取模块,配置为获取初始图数据,所述初始图数据包括边数据,每个边数据包括第一节点数据和第二节点数据;图数据压缩模块,配置为压缩所述初始图数据,获得所述初始图数据的压缩图数据;映射表生成模块,配置为对所述压缩图数据中的所述第一节点数据和所述第二节点数据进行遍历,获得目标映射表;目标数据生成模块,配置为根据所述目标映射表对所述压缩图数据进行处理,获得目标图数据。
根据本公开实施例的第三方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一项所述的图数据处理方法。
根据本公开实施例的第四方面,提出一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述任一项所述的图数据处理方法。
根据本公开某些实施例提供的图数据处理方法、装置、电子设备及计算机可读介质,通过对压缩图数据进行遍历,获得目标映射表,能够根据目标映射表对压缩图数据进行转换,快速获得具有带宽近似最优解的目标图数据,提高目标图数据在处理时的空间局部性,进而提高目标图数据的存储和计算效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。下面描述的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种图数据处理方法及装置的系统框图;
图2是根据一示例性实施例示出的一种图数据处理方法的流程图;
图3是根据一示例性实施例示出的一种图数据处理方法的流程图;
图4是根据一示例性实施例示出的一种图数据处理方法的流程图;
图5是根据一示例性实施例示出的一种图数据处理方法的流程图;
图6是根据一示例性实施例示出的一种图数据处理方法的流程图;
图7是根据一示例性实施例示出的一种图数据处理方法的流程图;
图8是根据一示例性实施例示出的一种图数据处理方法的流程图;
图9是根据另一示例性实施例示出的一种图数据处理方法的流程图;
图10是根据一示例性实施例示出的一种图数据处理方法的示意图;
图11是根据一示例性实施例示出的一种图数据处理装置的框图;
图12是根据一示例性实施例示出的一种电子设备的框图;
图13示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本发明将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本发明的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而省略特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图仅为本发明的示意性图解,图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和步骤,也不是必须按所描述的顺序执行。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
相关技术中对图数据的计算中,以广度优先搜索(Breadth First Search,BFS)算法为例,BFS算法是图论中最广泛应用的用于遍历及搜索的算法之一。同时,它可以作为许多其他更加复杂的图算法的子过程。目前已经有许多针对BFS算法的并行算法,具有不错的加速效果,提高了大规模图数据分析的能力。
但当图数据规模增大,单核或单节点不能处理时,需要用多核或多节点进行并行处理。对图数据进行并行处理会带来一定的性能提升,但是就并行效率而言往往效率不高,尤其是诸如BFS算法这类访存密集型的图算法。针对多核的单节点系统,对于访存密集型的图算法来说,在算法运行过程中,需要频繁的访问逻辑上相邻的点,而这些点和边的信息的物理存储方式很可能不具有良好的局部性,这会导致频繁的缓存缺失和置换,造成极大的性能损失。
以非统一内存访问架构(Non Uniform Memory Access Architecture,NUMA)为例,现有的针对多核的单节点系统的优化方法往往是从计算机的NUMA体系结构出发,通过CPU绑定和内存绑定等方式减少跨NUMA节点的数据访问。但是给每个NUMA节点分配的图数据的局部性仍较差。对于单CPU的多核的单节点系统来说,NUMA优化的优势也体现不出来。
因此,需要一种新的图数据处理方法、装置、电子设备及计算机可读介质。
下面结合附图对本发明示例实施方式进行详细说明。
图1是根据一示例性实施例示出的一种图数据处理方法及装置的系统框图。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所进行操作的图数据处理系统提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的图数据处理请求等数据进行分析等处理,并将处理结果(例如目标图数据--仅为示例)反馈给终端设备。
服务器105可例如获取初始图数据,所述初始图数据包括边数据,每个边数据包括第一节点数据和第二节点数据;服务器105可例如压缩所述初始图数据,获得所述初始图数据的压缩图数据;服务器105可例如对所述压缩图数据中的所述第一节点数据和所述第二节点数据进行遍历,以根据遍历结果获得目标映射表。服务器105可例如根据所述目标映射表对所述压缩图数据进行处理,获得目标图数据。
服务器105可以是一个实体的服务器,还可例如为多个服务器组成,服务器105中的一部分可例如作为本公开中的图数据处理任务提交系统,用于获取将要执行图数据处理命令的任务;以及服务器105中的一部分还可例如作为本公开中的图数据处理系统,用于获取初始图数据,所述初始图数据包括边数据,每个边数据包括第一节点数据和第二节点数据;压缩所述初始图数据,获得所述初始图数据的压缩图数据;对所述压缩图数据中的所述第一节点数据和所述第二节点数据进行遍历,以根据遍历结果获得目标映射表;根据所述目标映射表对所述压缩图数据进行处理,获得目标图数据。
又例如,服务器105可以接收目标对象的图数据计算请求;根据所述图数据计算请求对所述目标图数据进行处理,并将处理结果反馈给终端设备101(也可以是终端设备102或103),进而用于可以基于终端设备101显示目标图数据的计算结果。
图2是根据一示例性实施例示出的一种图数据处理方法的流程图。本公开实施例提供的图数据处理方法可以由任意具备计算处理能力的电子设备执行,例如终端设备101、102、103和/或服务器105,在下面的实施例中,以服务器执行所述方法为例进行举例说明,但本公开并不限定于此。本公开实施例提供的图数据处理方法20可以包括步骤S202至S208。
如图2所示,在步骤S202中,获取初始图数据,初始图数据包括边数据,每个边数据包括第一节点数据和第二节点数据。
本公开实施例中,初始图数据可为路网图、网页图、社交网络图等,本公开对此并不作特殊限定。初始图数据可通过邻接矩阵形式或邻接表形式进行表示,本公开对初始图数据的具体表示形式并不作特殊限定。第一节点数据与第二节点数据为初始图数据中,每个边数据所连接的两个端点。对于无向图,边数据连接了第一节点数据和第二节点数据。对于有向图,边数据连接了第一节点数据和第二节点数据,且第一节点数据可为边数据的源点,第二节点数据可为边数据的终点。
在步骤S204中,压缩初始图数据,获得初始图数据的压缩图数据。
在示例性实施例中,可对压缩初始图数据进行数据清洗,并对清洗后的的初始图数据进行压缩,获得初始图数据的压缩图数据。
在步骤S206中,对压缩图数据中的第一节点数据和第二节点数据进行遍历,以根据遍历结果获得目标映射表。
在步骤S208中,根据目标映射表对压缩图数据进行处理,获得目标图数据。
根据本公开实施例提供的图数据处理方法,通过对压缩图数据进行遍历,获得目标映射表,能够根据目标映射表对压缩图数据进行转换,快速获得具有带宽近似最优解的目标图数据,提高目标图数据在处理时的空间局部性,进而提高目标图数据的存储和计算效率。
图3是根据一示例性实施例示出的一种图数据处理方法的流程图。本公开实施例提供图数据处理方法30可以包括步骤S302至S304。
如图3所示,在步骤S302中,根据第一节点数据的初始标记对边数据进行排序,获得第一排序数据。
本公开实施例中,第一节点数据的初始标记为初始图数据中对应节点的存储标记,该初始标记可例如用于标识对应的第一节点数据的存储位置。第二节点数据与第二节点数据类似,也具有相应的初始标记。第一排序数据的示意图可例如图10中的1010所示。
其中,可按照第一节点数据的初始标记的大小,对边数据进行排序,获得第一排序结果。
在步骤S304中,对第一排序数据进行压缩,获得初始图数据的压缩图数据。
本公开实施例的步骤S302至步骤S304可作为图2实施例中的步骤S204的替换步骤。
本公开实施例的技术方案通过对边数据进行排序,并对获得的第一排序数据进行压缩,能够获得压缩图数据,以供后续步骤操作。后续步骤可例如为图2实施例中的步骤S206至步骤S208。
图4是根据一示例性实施例示出的一种图数据处理方法的流程图。本公开实施例提供图数据处理方法40可以包括步骤S402至S406。
本公开实施例中,压缩图数据包括第一数组和第二数组。
在步骤S402中,将第一排序数据中每个边的第二节点数据作为元素,生成第一数组。
本公开实施例中,第一数组可为一维数组。由于第一数组中记录了每个边的第二节点数据,则该一维数据的维度与边数据的个数相等。例如,边数据包括n个边,n为大于0的整数,则一维数据的维度为n。第一数组可如图10中的1041所示。
在步骤S404中,获得第一排序数据中具有相同的第一节点数据的边数据。
本公开实施例中,以第一节点数据为s0为例,若边数据m1、m2的第一节点数据都为s0,则获得的相同的第一节点数据s0的边数据为m1和m2。
在步骤S406中,将具有相同的第一节点数据的边数据的第二节点数据,在第一数组中对应元素的最小下标作为元素,生成第二数组。
本公开实施例中,接上述第一节点数据为s0的举例,若边数据m1、m2的第二节点数据分别为t0、t2,且第二节点数据t0、t2在第一数组中的下标分别为0和1。则可将第二节点数据t0、t2在第一数组中最小下标0作为元素,生成第二数组中第一节点数据s0对应的元素。压缩图数据可如图10中的1040所示。第二数组可如图10中的1042所示。
本公开实施例的步骤S402至步骤S406可作为图3实施例中的步骤S304的替换步骤。
本公开实施例的技术方案根据第一排序数据中的第二节点数据生成第一数组,并以边数据的第一节点数据和第二节点数据为纽带,生成描述第一节点数据的第二数组,能够对第一排序数据进行压缩,获得压缩图数据,节省存储空间。
图5是根据一示例性实施例示出的一种图数据处理方法的流程图。本公开实施例提供图数据处理方法50可以包括步骤S502至S506。
如图5所示,在步骤S502中,根据第一节点数据的初始标记对初始图数据中的边数据进行排序,获得第一排序数据。
本公开实施例的步骤S502可采用与图3中步骤S302类似的步骤,此处不再赘述。初始图数据可如图10中的1010所示;第一排序数据的示意图可如图10中的1020所示。
在步骤S504中,剔除第一排序数据中的重复数据,重复数据包括重复边与重复环。
本公开实施例中,若两个或两个以上的边数据的第一节点数据相同,且第二节点数据相同,则该两个或两个以上的边数据为重复边。若某一边数据的第一节点数据与第二节点数据相同,则该边数据为重复环。通过剔除重复数据,可以精简第一排序数据。剔除后的第一排序数据可如图10中的1030所示。
在步骤S506中,对剔除后的第一排序数据进行压缩,获得初始图数据的压缩图数据。
本公开实施例的步骤S506可采用与图4中步骤S402至步骤S406类似的步骤,此处不再赘述。压缩图数据可如图10中的1040所示。
本公开实施例的步骤S502至步骤S506可作为图2实施例中的步骤S204的替换步骤。
本公开实施例的技术方案,对第一排序数据中的重复数据进行剔除,并对剔除后的第一排序数据进行压缩,能够获得压缩图数据,进而节省存储空间,并减少后续计算过程的运算量,提升运算速度。
图6是根据一示例性实施例示出的一种图数据处理方法的流程图。本公开实施例提供图数据处理方法60可以包括步骤S602至S608。
如图6所示,在步骤S602中,在第一排序数据中具有相同第一节点数据的边数据中,按照第二节点数据的度进行排序,获得第二排序数据。
本公开实施例中,以第一节点数据为s0为例,若边数据m1、m2的第一节点数据都为s0,边数据m1、m2的第二节点数据的度分别为d1、d2,且d1大于d2。则第二排序数据中,m1与m2的排列顺序为m2、m1。
在步骤S604中,以第二排序数据中具有最小的初始标记的第一节点数据为遍历起点,按照广度优先遍历方式对第二排序数据中的第一节点数据和第二节点数据进行遍历。
本公开实施例中,广度优先遍历方式是一种图的搜索算法。广度优先遍历方式以一种系统的方式探寻图的边,从而发现某一源点所能到达的所有顶点,并计算该源点到所有这些顶点的距离。本公开实施例中,可(1)遍历获得第二排序数据中,第一节点数据为遍历起点的边数据的第二节点数据,获得目标遍历数据,并将该目标遍历数据的遍历状态标记为已遍历;(2)以第二排序数据中遍历状态为未标记的第一节点数据或第二节点数据为遍历起点,循环上述步骤(1);(3)若第二排序结果中的第一节点数据和第二节点数据的遍历状态均为已遍历,结束流程。
步骤S606中,将第一节点数据和第二节点数据的遍历顺序作为第一节点数据和第二节点数据的目标标记。
本公开实施例中,若第一节点数据s0、s1、第二节点数据t0、t1的遍历顺序依次为0、1、2、3,则第一节点数据s0、s1、第二节点数据t0、t1的目标标记依次为0、1、2、3。
在步骤S608中,将第一节点数据和第二节点数据的目标标记与初始标记作为映射对,写入目标映射表。
本公开实施例中,接前述举例,若第一节点数据s0、s1、第二节点数据t0、t1的初始标记依次为2、1、4、3,则第一节点数据s0的映射对为目标标记0-初始标记2,第一节点数据s1的映射对为目标标记1-初始标记1,第二节点数据t0的映射对为目标标记2-初始标记4,第二节点数据t1的映射对为目标标记3-初始标记3。
本公开实施例的步骤S602至步骤S608可作为图2实施例中的步骤S206的替换步骤。
本公开实施例的技术方案通过对第一排序数据进行进一步排序,获得第二排序数据,并对第二排序数据进行广度优先遍历,能够根据遍历结果获得能够实现图的带宽近似最优解的目标标记,并进一步根据目标标记与初始标记生成目标映射表,能够便于后续实现初始图数据到目标图数据的转化,进而获得具有带宽近似最优解的目标图数据。
图7是根据一示例性实施例示出的一种图数据处理方法的流程图。本公开实施例提供图数据处理方法70可以包括步骤S702。
如图7所示,在步骤S702中,根据目标映射表,将压缩图数据中的第一节点数据和第二节点数据的初始标记更新为目标标记,以获得目标图数据。
本公开实施例的步骤S702可作为图2实施例中的步骤S208的替换步骤。
本公开实施例根据目标映射表实现初始图数据到目标图数据的快速转化。进而求得具有带宽近似最优解的目标图数据,提高目标图数据在处理时的空间局部性,进而提高目标图数据的存储和计算效率。
图8是根据一示例性实施例示出的一种图数据处理方法的流程图。本公开实施例提供图数据处理方法80可以包括步骤S802至S804。
如图8所示,在步骤S802中,接收目标对象的图数据计算请求。
本公开实施例中,图数据计算请求可例如为图数据搜索请求等,本公开对此并不作特殊限定。
在步骤S804中,根据图数据计算请求对目标图数据进行处理,将处理结果发送至目标对象。
本公开实施例中,可将处理结果发送给目标对象,以响应于图数据计算请求。
本公开实施例的步骤S802至步骤S804可作为图2实施例中的步骤S208之后的后续步骤。
根据本公开实施例提供的图数据处理方法,通过图数据计算请求对目标图数据进行处理,在目标图数据具有带宽近似最优解的前提下,能够提高处理过程的空间局部性,进而能够提高目标图数据的存储和计算效率。
应清楚地理解,本公开描述了如何形成和使用特定示例,但本公开的原理不限于这些示例的任何细节。相反,基于本公开公开的内容的教导,这些原理能够应用于许多其它实施例。
图9是根据另一示例性实施例示出的一种图数据处理方法的流程图。图数据处理方法90至少包括步骤S901至S921。
如图9所示,在步骤S902中,在第一排序数据中具有相同第一节点数据的边数据中,按照第二节点数据的度进行排序,获得第二排序数据。
在步骤S904中,将第一排序数据中的孤立点的遍历状态标记为已遍历,并将其余第一节点数据和第二节点数据的遍历状态标记为未遍历。
在步骤S906中,初始化初始映射表为空。
在步骤S908中,若第二排序数据中第一节点数据和第二节点数据的遍历状态均为已遍历,执行步骤S914,否则执行步骤S910。
在步骤S910中,以第二排序数据中具有最小的初始标记且遍历状态为未标记的第一节点数据或第二节点数据为目标节点v,将该目标节点v的遍历状态标记为已遍历,并将该目标节点v的遍历顺序与初始标记作为映射对写入初始映射表。
在步骤S912中,对第一节点数据或第二节点数据为目标节点v的边数据的第二节点数据或第一节点数据n进行遍历,将该第二节点数据或第一节点数据n的遍历顺序与初始标记作为映射对写入初始映射表,并将该第二节点数据或第一节点数据n的遍历状态标记为已遍历,返回执行步骤S908。
在步骤S914中,将初始映射表按照目标标记进行排序,获得目标映射表。
在示例性实施例中,可根据第一节点数据和第二节点数据的初始标记(或目标标记)计算初始图数据(或目标图数据)的带宽。以初始图数据为例,计算初始图数据的带宽的过程如下:(1)初始化初始带宽bw为0,i=1;(2)获取初始图数据中,第i个边数据的第一节点数据和第二节点数据,i大于0且小于或等于n,n为边数据的个数;(3)计算步骤(2)的第一节点数据和第二节点数据的初始标记的差值的绝对值,获得第i个绝对距离;(4)若该第i个绝对距离大于初始带宽bw,则将该第i个绝对距离的值作为初始带宽bw的值,否则执行步骤(5);(5)若i小于或等于n,返回执行步骤(2),否则返回初始带宽bw的值。经过上述步骤,可获得初始图数据的带宽:初始带宽bw。
其中,目标图数据的目标带宽的计算过程可与上述初始图数据的初始带宽的计算过程类似,此处不再赘述。可将目标图数据的目标带宽与初始图数据的初始带宽进行比较,以验证目标图数据是否具有带宽近似最优解,以验证本公开的技术方案对图结构数据的带宽的优化效果以及对数据空间局部性的提升效果。
根据本公开实施例的技术方案,通过对第一排序数据中的第一节点数据和第二节点数据进行遍历,能够基于遍历顺序获得目标映射表,以便于后续根据目标映射表将压缩图数据转换为目标图数据,能够快速获得具有带宽近似最优解的目标图数据,提高目标图数据在处理时的空间局部性,进而提高目标图数据的存储和计算效率。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由中央处理器(Central Processing Unit,CPU)执行的计算机程序。在该计算机程序被中央处理器CPU执行时,执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中,该存储介质可以是只读存储器,磁盘或光盘等。
此外,需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图11是根据一示例性实施例示出的一种图数据处理装置的框图。参照图11,本公开实施例提供的图数据处理装置1100可以包括:图数据获取模块1102、图数据压缩模块1104、映射表生成模块1106和目标数据生成模块1108。
在图数据处理装置1100中,图数据获取模块1102可以配置为获取初始图数据,初始图数据包括边数据,每个边数据包括第一节点数据和第二节点数据。
图数据压缩模块1104可以配置为压缩初始图数据,获得初始图数据的压缩图数据。
在示例性实施例中,图数据压缩模块1104可以包括第一排序单元和第一压缩单元。其中,第一排序单元可以配置为根据第一节点数据的初始标记对初始图数据中的边数据进行排序,获得第一排序数据。第一压缩单元可以配置为对第一排序数据进行压缩,获得初始图数据的压缩图数据。
在示例性实施例中,第一压缩单元可以包括第一数组生成子单元、第一边数据获取子单元和第二数组生成子单元。其中,第一数组生成子单元可以配置为将第一排序数据中每个边的第二节点数据作为元素,生成第一数组。第一边数据获取子单元可以配置为获得第一排序数据中具有相同的第一节点数据的边数据。第二数组生成子单元可以配置为将具有相同的第一节点数据的边数据的第二节点数据,在第一数组中对应元素的最小下标作为元素,生成第二数组。
在示例性实施例中,第一排序单元和第一压缩单元之间还包括数据剔除单元,数据剔除单元可以配置为剔除第一排序数据中的重复数据,重复数据包括重复边与重复环。
映射表生成模块1106可以配置为对压缩图数据中的第一节点数据和第二节点数据进行遍历,获得目标映射表。
在示例性实施例中,映射表生成模块1106可以包括第二排序单元、节点遍历单元、标记生成单元和映射表写入单元。其中,第二排序单元可以配置为在第一排序数据中具有相同第一节点数据的边数据中,按照第二节点数据的度进行排序,获得第二排序数据。节点遍历单元可以配置为以第二排序数据中具有最小的初始标记的第一节点数据或第二节点数据为遍历起点,按照广度优先遍历方式对第二排序数据中的第一节点数据和第二节点数据进行遍历。标记生成单元可以配置为将第一节点数据和第二节点数据的遍历顺序作为第一节点数据和第二节点数据的目标标记。映射表写入单元可以配置为将第一节点数据和第二节点数据的目标标记与初始标记作为映射对,写入目标映射表。
目标数据生成模块1108可以配置为根据目标映射表对压缩图数据进行处理,获得目标图数据。
在示例性实施例中,目标数据生成模块1108可以配置为根据目标映射表,将压缩图数据中的第一节点数据和第二节点数据的初始标记更新为目标标记,以获得目标图数据。
在示例性实施例中,图数据处理装置1100还可以包括计算请求接收模块和图数据计算模块。其中,计算请求接收模块可以配置为接收目标对象的图数据计算请求。图数据计算模块可以配置为根据图数据计算请求对目标图数据进行处理,将处理结果发送至目标对象。
根据本公开实施例提供的图数据处理装置,通过对压缩图数据进行遍历,获得目标映射表,能够根据目标映射表对压缩图数据进行转换,快速获得具有带宽近似最优解的目标图数据,提高目标图数据在处理时的空间局部性,进而提高目标图数据的存储和计算效率。
图12是根据一示例性实施例示出的一种电子设备的框图。
下面参照图12来描述根据本公开的这种实施方式的电子设备200。图12显示的电子设备200仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图12所示,电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于:至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元210执行,使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元210可以执行如图2,图3,图4,图5,图6,图7,图8,图9中所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202,还可以进一步包括只读存储单元(ROM)2203。
所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204,这样的程序模块2205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
图13示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。
参考图13所示,描述了根据本公开的实施方式的用于实现上述方法的程序产品400,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现如下功能:获取初始图数据,所述初始图数据包括边数据,每个边数据包括第一节点数据和第二节点数据;压缩所述初始图数据,获得所述初始图数据的压缩图数据;对所述压缩图数据中的所述第一节点数据和所述第二节点数据进行遍历,以根据遍历结果获得目标映射表;根据所述目标映射表对所述压缩图数据进行处理,获得目标图数据。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中,也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是,本公开不限于这里描述的详细结构、设置方式或实现方法;相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

Claims (10)

1.一种图数据处理方法,其特征在于,包括:
获取初始图数据,所述初始图数据包括边数据,每个边数据包括第一节点数据和第二节点数据;
压缩所述初始图数据,获得所述初始图数据的压缩图数据;
对所述压缩图数据中的所述第一节点数据和所述第二节点数据进行遍历,以根据遍历结果获得目标映射表;
根据所述目标映射表对所述压缩图数据进行处理,获得目标图数据。
2.如权利要求1所述的方法,其特征在于,压缩所述初始图数据,获得所述初始图数据的压缩图数据包括:
根据所述第一节点数据的初始标记对所述初始图数据中的所述边数据进行排序,获得第一排序数据;
对所述第一排序数据进行压缩,获得所述初始图数据的所述压缩图数据。
3.如权利要求2所述的方法,其特征在于,所述压缩图数据包括第一数组和第二数组;其中,对所述第一排序数据进行压缩,获得所述初始图数据的所述压缩图数据包括:
将所述第一排序数据中每个边的所述第二节点数据作为元素,生成所述第一数组;
获得所述第一排序数据中具有相同的第一节点数据的边数据;
将所述具有相同的第一节点数据的边数据的第二节点数据,在所述第一数组中对应元素的最小下标作为元素,生成所述第二数组。
4.如权利要求2所述的方法,其特征在于,在对所述第一排序数据进行压缩,获得所述初始图数据的所述压缩图数据之前,还包括:
剔除所述第一排序数据中的重复数据,所述重复数据包括重复边与重复环。
5.如权利要求2所述的方法,其特征在于,对所述压缩图数据中的所述第一节点数据和所述第二节点数据进行遍历,获得目标映射表,包括:
在所述第一排序数据中具有相同第一节点数据的边数据中,按照第二节点数据的度进行排序,获得第二排序数据;
以所述第二排序数据中具有最小的初始标记的所述第一节点数据或所述第二节点数据为遍历起点,按照广度优先遍历方式对所述第二排序数据中的所述第一节点数据和所述第二节点数据进行遍历;
将所述第一节点数据和所述第二节点数据的遍历顺序作为所述第一节点数据和所述第二节点数据的目标标记;
将所述第一节点数据和所述第二节点数据的目标标记与初始标记作为映射对,写入所述目标映射表。
6.如权利要求5所述的方法,其特征在于,根据所述目标映射表对所述压缩图数据进行处理,获得目标图数据包括:
根据所述目标映射表,将所述压缩图数据中的所述第一节点数据和所述第二节点数据的初始标记更新为目标标记,以获得所述目标图数据。
7.如权利要求1所述的方法,其特征在于,还包括:
接收目标对象的图数据计算请求;
根据所述图数据计算请求对所述目标图数据进行处理,将处理结果发送至所述目标对象。
8.一种图数据处理装置,其特征在于,包括:
图数据获取模块,配置为获取初始图数据,所述初始图数据包括边数据,每个边数据包括第一节点数据和第二节点数据;
图数据压缩模块,配置为压缩所述初始图数据,获得所述初始图数据的压缩图数据;
映射表生成模块,配置为对所述压缩图数据中的所述第一节点数据和所述第二节点数据进行遍历,获得目标映射表;
目标数据生成模块,配置为根据所述目标映射表对所述压缩图数据进行处理,获得目标图数据。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN202010040441.XA 2020-01-15 图数据处理方法、装置、电子设备及计算机可读介质 Active CN111274455B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010040441.XA CN111274455B (zh) 2020-01-15 图数据处理方法、装置、电子设备及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010040441.XA CN111274455B (zh) 2020-01-15 图数据处理方法、装置、电子设备及计算机可读介质

Publications (2)

Publication Number Publication Date
CN111274455A true CN111274455A (zh) 2020-06-12
CN111274455B CN111274455B (zh) 2024-06-07

Family

ID=

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111831863A (zh) * 2020-07-17 2020-10-27 浙江大华技术股份有限公司 数据可视化方法和装置、计算机可读的存储介质
CN112115072A (zh) * 2020-09-03 2020-12-22 清华大学 时序图的处理方法及装置
CN112528090A (zh) * 2020-12-11 2021-03-19 北京百度网讯科技有限公司 图数据的存储方法和存储装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150347629A1 (en) * 2014-06-02 2015-12-03 Microsoft Corporation Distance queries on massive networks
CN105677755A (zh) * 2015-12-30 2016-06-15 杭州华为数字技术有限公司 一种处理图数据的方法及装置
CN106202167A (zh) * 2016-06-21 2016-12-07 南开大学 一种基于结构概要模型的有向标签图自适应索引构建方法
CN108959460A (zh) * 2018-06-15 2018-12-07 华中科技大学 一种基于顶点关联度的图数据布局方法
CN109033159A (zh) * 2018-06-15 2018-12-18 华中科技大学 一种基于顶点影响力的图数据布局方法
CN109492131A (zh) * 2018-09-18 2019-03-19 华为技术有限公司 一种图数据存储方法及装置
CN110532438A (zh) * 2019-08-15 2019-12-03 桂林电子科技大学 一种基于聚类和K2-tree的大规模图数据表示方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150347629A1 (en) * 2014-06-02 2015-12-03 Microsoft Corporation Distance queries on massive networks
CN105677755A (zh) * 2015-12-30 2016-06-15 杭州华为数字技术有限公司 一种处理图数据的方法及装置
CN106202167A (zh) * 2016-06-21 2016-12-07 南开大学 一种基于结构概要模型的有向标签图自适应索引构建方法
CN108959460A (zh) * 2018-06-15 2018-12-07 华中科技大学 一种基于顶点关联度的图数据布局方法
CN109033159A (zh) * 2018-06-15 2018-12-18 华中科技大学 一种基于顶点影响力的图数据布局方法
CN109492131A (zh) * 2018-09-18 2019-03-19 华为技术有限公司 一种图数据存储方法及装置
CN110532438A (zh) * 2019-08-15 2019-12-03 桂林电子科技大学 一种基于聚类和K2-tree的大规模图数据表示方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111831863A (zh) * 2020-07-17 2020-10-27 浙江大华技术股份有限公司 数据可视化方法和装置、计算机可读的存储介质
CN112115072A (zh) * 2020-09-03 2020-12-22 清华大学 时序图的处理方法及装置
CN112115072B (zh) * 2020-09-03 2022-06-17 清华大学 时序图的处理方法及装置
CN112528090A (zh) * 2020-12-11 2021-03-19 北京百度网讯科技有限公司 图数据的存储方法和存储装置
CN112528090B (zh) * 2020-12-11 2023-08-04 北京百度网讯科技有限公司 图数据的存储方法和存储装置

Similar Documents

Publication Publication Date Title
US9275422B2 (en) Distributed k-core view materialization and maintenance for graphs
CN110168523A (zh) 改变监测跨图查询
CN103970604A (zh) 基于MapReduce架构实现图处理的方法和装置
WO2012030411A1 (en) Method for classification of objects in a graph data stream
CN111095421B (zh) 基因文件的上下文感知增量算法
CN110263277B (zh) 页面数据的显示方法、更新方法、装置、设备及存储介质
US20230297598A1 (en) Latent Intent Clustering in High Latent Spaces
Xu et al. Efficient distributed smith-waterman algorithm based on apache spark
CA3154763A1 (en) Data operation method, device and system
CN113868351A (zh) 一种地址聚类方法、装置、电子设备及存储介质
CN112860993A (zh) 兴趣点的分类方法、装置、设备、存储介质及程序产品
JP7202410B2 (ja) 画像処理方法と装置、電子機器、コンピュータ記憶媒体及びコンピュータプログラム
CN111930891A (zh) 基于知识图谱的检索文本扩展方法及相关装置
CN117056123A (zh) 数据恢复方法、装置、介质及电子设备
CN115002196B (zh) 一种数据处理方法、装置、车端采集设备
CN111274455B (zh) 图数据处理方法、装置、电子设备及计算机可读介质
CN111241137A (zh) 数据处理方法、装置、电子设备及存储介质
CN111274455A (zh) 图数据处理方法、装置、电子设备及计算机可读介质
CN111046010A (zh) 日志储存方法、装置、系统、电子设备和计算机可读介质
CN111198880A (zh) 一种基于redis的数据存储方法、装置及电子设备
Grünewald et al. Reconstructing unrooted phylogenetic trees from symbolic ternary metrics
CN114282121A (zh) 业务节点推荐方法、系统、设备及存储介质
US20220051110A1 (en) Neighborhood-based entity resolution system and method
CN110532304B (zh) 数据处理方法及装置、计算机可读存储介质以及电子设备
CN113722007A (zh) Vpn分支设备的配置方法、装置及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant