借助ArangoDB，带你玩转Google图算法引擎Pregel

ArangoDB团队研究出一种算法，能够在一个图中识别出已连接的子图，文中以国家为例；在ArangoDB中引入Pregel框架，通过Worker算法、合成算法、pregelRunner模块来执行不同的实现方式。来试试吧！

ArangoDB团队研究出一种算法，能够在一个图中识别出已连接的子图，文中以国家为例；在ArangoDB中引入Pregel框架，通过Worker算法、合成算法、pregelRunner模块来执行不同的实现方式。开发者也可以自行编写算法，编程世界魅力无穷！

译文如下：

Pregel作为Google推出的一种面向图算法的分布式编程框架，主要用于处理大规模的图算法计算。比如，图遍历（BFS）、最短路径（SSSP）、PageRank计算等。

检测“已连接节点”的算法

为了解决已连接节点的问题，ArangoDB团队研究出一种算法，能够在一个图中识别出已连接的子图。这里以国家为例子，下图包含10个国家，互相之间的关系定义为边界接壤(hasBorderWith)，其形成的4种已连接节点组分别为：

1. 德国，奥地利，瑞士
2. 摩洛哥，阿尔及利亚，突尼斯
3. 巴西，阿根廷，乌拉圭
4. 澳大利亚

要导入该图，请点击这里进行下载，然后打开ArangoShell并执行如下语句：

Worker算法

Worker算法执行于图中每个顶点之上，每个顶点有一个相关的消息游标和一个global对象，里面含有步长信息和用户定义的Global数据。该算法定义如下：

为了检测所有的节点组，这里使用了一种非常直接的方法：

每个节点组有一个字母标识符，存有其顶点最后的_key属性信息。所以，第0步的时候，每个顶点存储的是其自身的key信息以及初始邻近接壤节点信息。要访问源顶点需要使用_get(“someAttribute”)方法：

一个顶点只能访问其外部边界，因此在第1步的时候要记得把它所有接收到的消息放入数组中，以便进行向后通信，同时要根据传入的消息来更新节点组。

所以前两步的操作开启了向前和向后通信，接着执行算法直到每个顶贴都接收到其顶点组标识信息。因此，当接收到邻近标识符信息后，每个顶点需要更新顶点组标识信息：

当一个顶点不再接收到新的消息或新的组标识时，要使它暂时失效。仅当再从邻近顶点接收新消息的时候进行激活：

如果接收到新的组标识时要把结果进行存储：

接着要通知邻近顶点，包括向前与向后：

然后失效该顶点直到接收到新的消息：

合成算法

为了减少冗余的消息使得工作者算法更加高效，ArangoDB团队引入了消息合成算法。比方说在该示例中，德国节点可能会收到来自奥地利和瑞士的消息；由于按字母排序，奥地利的消息可以忽略，从而减少不必要的消息接收。在Pregel中的消息合成器可定义为：

合成器会筛选冗余消息，然后发送有效的标识信息：

引入该算法后，德国节点虽然有两个接壤点，但是只会收到一个消息。

pregelRunner模块

首先创建Runner实例：

Pregel算法的具体实现请点击这里进行下载。在Shell中载入该文件，使Runner可以实现相关函数：

然后在图中启动Pregel：

启动后会接收到唯一的执行码，可以使用runner来查阅当前运行状态：

执行完毕后可以得到图的结果名：

要检查该结果是否符合要求，可以载入全部顶点进行校对：

结果是正确的，算法能正确识别出4个子图(瑞士，突尼斯，乌拉圭，澳大利亚)。最后要做好收尾工作：

写在最后：

ArangoDB仍在进一步完善pregelRunner以满足更大规模图处理的需求。很多受时间和内存限制的大型图问题在Pregel系统中都可逐步解决，例如：最短路径，图着色，最小生成树等。