BigGraphVis：利用流式算法与 GPU 加速实现大规模图可视化
分布式、并行与集群计算
2021-08-03 v1 计算几何
图形学
信息检索
摘要
图布局是探索大规模图的关键。海量的节点和边使网络分析软件无法对普遍存在的网络产生有意义的可视化。长计算时间、内存与显示限制制约了软件探索大规模图的能力。本文介绍 BigGraphVis，一种利用 GPU 并行处理和社区检测算法可视化图社区的新型并行图可视化方法。我们结合并行化流式社区检测算法与概率数据结构以利用图形处理单元（GPU）的并行处理。据我们所知，这是首次尝试将流式算法与 GPU 计算的能力相结合来应对大规模图可视化挑战。我们的方法在边列表上经过少数几遍扫描即可提取社区信息，并使用 ForceAtlas2 算法渲染社区结构。我们对大规模真实图进行的实验表明，通过可视化图社区可实现约 70% 至 95% 的加速，且可视化看起来有意义且可靠。我们考察的最大图包含超过 300 万节点和 3400 万条边，布局计算耗时约五分钟。我们还观察到 BigGraphVis 的着色策略可成功应用于生成信息更丰富的 ForceAtlas2 布局。
引用
@article{arxiv.2108.00529,
title = {BigGraphVis: Leveraging Streaming Algorithms and GPU Acceleration for Visualizing Big Graphs},
author = {Ehsan Moradi and Debajyoti Mondal},
journal= {arXiv preprint arXiv:2108.00529},
year = {2021}
}