GraphLab介紹
GraphLab 是由CMU（卡內基梅隆大學）的Select 實驗室在2010 年提出的一個基於圖像處理模型的開源圖計算框架。框架使用C++語言開發實現。
該框架是面向機器學習（ML）的流處理並行計算框架，可以運行在多處理機的單機系統、集群或是亞馬遜的EC2 等多種環境下。框架的設計目標是，像MapReduce一樣高度抽象。可以高效運行與機器學習相關的、具有稀疏的計算依賴特性的迭代性算法，並且保證計算過程中數據的高度一致性和高效的並行計算性能。該框架最初是為處理大規模機器學習任務而開發的，可是該框架也相同適用於很多數據挖掘方面的計算任務。在並行圖計算領域，該框架在性能上高出非常多其它並行計算框架（比如，MapReduce、Mahout）幾個數量級。GraphLab 自成立以來就是一個發展非常迅速的開源項目，其用戶涉及的範圍也相當廣泛，全球有2 000 多個企業、機構使用GraphLab。
GraphLab
GraphLab的優點
GraphLab 作為一個基於圖處理的並行計算框架，可以高效地運行機器學習相關的數據依賴性強，迭代型算法。其設計具有例如以下特點和長處。
- 統一的API 接口。對於多核處理器和分佈式環境，採用統一的API 接口，一次編敲代碼就可以高效地運行在共享內存環境或者分佈式集群上。
- 高性能。優化C++運行引擎，在大量多線程操作和同步I/O 操作之間進行了非常好的平衡。
- 可伸縮性強。GraphLab 可以智能地選擇存儲和計算的節點，原因是GraphLab 對於數據的存儲與計算都使用了精心設計的優良算法。
- 集成HDFS。GraphLab 內置對HDFS 的支持。GraphLab 可以直接從HDFS中讀數據或者將計算結果數據直接寫入到HDFS 中。
- 功能強大的機器學習類工具集。GraphLab 在自身提供的API 接口之上實現了大量的開箱即用的工具集。
GraphLab框架
GraphLab框架
Graph Based Data Representation：GraphLab將圖切成若干子圖分佈式存儲，其中ghost vertex是子圖之間的邊界點，其上存儲了鄰接結構以及remote數據的副本，子圖之間也是有通信的，因此disk數據共享做備份很困難。
Update Functions：採用的是Asynchronously Dynamic Update，這種動態計算的主要思想是根據vertex的priority更新，每臺機器上都有一個優先隊列，每次迭代中如果當前vertex變化量不大的話就不再將該點的scope（一步可達的點）入隊了，ghost頂點不需要入隊。改進空間：可以用排隊論優先。
Data consistency：需要保證Race-Free Code，如果計算overlap發生搶跑，就會產生一致性問題。GraphLab在data consistency這方面是最靈活的框架。Edge consistency的思想是one vertex apart的Update Functions才可以並行，而Overlapping regions是隻讀的。
Fault tolerance：GraphLab在這方面做的還不是很好，主要是Chandy-Lamport的asynchronous snapshotting algorithm。
