通过降低通信开销的优化加速稀疏真实图中的团计数
数据结构与算法
2021-12-30 v2 分布式、并行与集群计算
性能
摘要
在较大图中计数特定子图的实例是图挖掘中的一个重要问题。寻找大小为 k 的团（k-团）是该 NP 难问题的一个例子。不同的团计数算法通过枢轴化或对边排序来避免对同一团重复计数。基于排序的算法包含一个对输入图边进行定向的排序步骤，以及一个以构建点诱导或边诱导子图为主的计数步骤。在基于排序的算法中，kClist 是为稀疏真实图设计的最先进算法。尽管其总体性能领先，kClist 的顶点并行实现在具有数百万顶点的图上实际扩展性不佳。我们提出 CITRON（Clique counting with Traffic Reducing Optimizations，降低通信流量的团计数优化）以改善并行扩展性，从而提升团计数的总体性能。我们通过放弃 kClist 的序列核心排序并使用并行化度排序来加速排序阶段。我们通过重组子图数据结构以减少内存流量来改善扩展瓶颈，从而加速计数阶段。我们排序紧凑的邻居列表改善了局部性与通信效率，实现了近线性并行扩展。CITRON 在计数中等大小团时显著优于 kClist，从而扩大了适用于团计数的图规模。我们最近注意到 ArbCount（arXiv:2002.10047）常优于我们。但我们相信本文包含的分析将有助于任何希望理解 k-团计数性能特征的人。
引用
@article{arxiv.2112.10913,
title = {Accelerating Clique Counting in Sparse Real-World Graphs via Communication-Reducing Optimizations},
author = {Amogh Lonkar and Scott Beamer},
journal= {arXiv preprint arXiv:2112.10913},
year = {2021}
}