Modeling, analysis, and experimental comparison of streaming graph-partitioning policies

در سال های اخیر، بسیاری از سیستم های پردازش گراف پردازش شده برای طراحی نمودارهای مقیاس بزرگ طراحی و توسعه داده شده اند. برای همه سیستم های پردازش گراف به توزیع، نمودار های پارتیشن بندی بخش مهمی از پردازش و یک جنبه مهم برای دستیابی به عملکرد پردازش خوب است. برای نگهداری کم هزینه گرافیک های پارتیشن بندی، حتی در حال پردازش نمودار های مدرن مدرن، بسیاری از مطالعات قبلی از سیاست های پراکندگی گرافیک جریان سبک وزن استفاده می کنند. اگر چه بسیاری از این سیاست ها وجود دارد، در حال حاضر هیچ مطالعه جامعی در مورد تأثیر آنها بر تعادل بار و هزینه های ارتباطی و عملکرد کلی سیستم پردازش گراف وجود ندارد. این فقدان فکری نسبی مانع توسعه و تنظیم سیاست های جریان جدید می شود و می تواند جامعه کل تحقیق را به طبقات موجود محدود کند. ما در این کار با این مسائل روبرو هستیم. ما با مدلسازی زمان اجرای سیستم های پردازش گراف به توزیع شروع می کنیم. با تجزیه و تحلیل این مدل تحت بار ویژگی های گرافیکی واقع گرایانه، ما پیشنهاد می کنیم یک روش برای شناسایی مسائل مربوط به عملکرد مهم و سپس طراحی خطوط جدید پراکندگی گرافیک جریان برای حل آنها. با استفاده از سه نمودار معمول در مقیاس بزرگ و سه الگوریتم پردازش محبوب گراف، ما انجام آزمایش های جامع برای مطالعه عملکرد ما و بسیاری از سیاست های جایگزین جریان بر روی یک سیستم پردازش واقعی پردازش گراف. ما همچنین تاثیر در عملکرد استفاده از شبکه های مختلف دنیای واقعی و سایر مشخصات فنی دنیای واقعی را بررسی می کنیم. ما بیشتر در مورد نحوه استفاده از نتایج ما، پوشش مدل و روش ما و طراحی سیاست های پارتیشن بندی آینده بحث خواهیم کرد.