大图形数据的可扩展性分析

郑镇完

(韩国　韩国科学技术院)



大图形数据的可扩展性分析

郑镇完

(韩国韩国科学技术院)

郑镇完，韩国科学技术院 (KAIST)计算机系名誉教授,知名计算机领域专家，重庆理工大学两江国际学院教授(韩国KAIST大学国际项目常驻教授)。主要研究方向包括数据整合、多媒体数据库、移动社交网络数据库、XML数据库及空间数据库系统。在国际研究领域有重要的影响，是数据库系统方面重要代表人物。

【观点摘要】

图表是建模对象和建模系统中的重要构成部分。 许多传统的现实世界网络即通过图表如运输网络、计算机网络和配送网络等模式化的。有关最短路径、可达性和图着色等传统的图表研究较多。随着技术的新进展，出现了许多新的网络如社交网络、生物互动网络、物联网等，这些网络以尺寸巨大、动态性和规模自由为特征。对于这些新网络的理解和使用涉及了对图表的多种方式的分析。 三角计算在大量图形的云计算是基于使用映射-规约模式框架，在云计算中，多个分区被发送到多台机器，在映射-规约模式框架中，使用并行计算编程框架处理大数据，分为3个步骤(输入和输出)：图形步骤-拖曳步骤-降低步骤。在动态的研究分支中，随着时间演变图形包括：① 改变图形的属性和结构；② 随着平均度的增加，网络随着时间变得更加紧密。