大规模并行近似距离草图
数据结构与算法
2019-09-13 v4 分布式、并行与集群计算
摘要
允许高效距离估计的数据结构（距离预言机、距离草图等）已被广泛研究，且在集中式模型与 CONGEST 等经典分布式模型中尤为成熟。我们 initiation 其在较新（且 arguably 更现实）的分布式计算模型中的研究：Congested Clique 模型与大规模并行计算（MPC）模型。我们在两种模型中均给出高效构造，但核心结果针对 MPC。在 MPC 中我们给出两个主要结果：一个构造拉伸/空间最优距离草图但需（少量）多项式轮次的算法，以及一个构造拉伸较差但仅需多对数轮次的距离草图的算法。在此过程中，我们表明其他有用组合结构也可在 MPC 中计算。特别地，我们用于构造距离草图的一个关键组件是 Elkin 与 Neiman（2016）跳集的 MPC 构造。该结果还有额外应用，例如低内存 MPC 设定下加权图常数近似单源最短路的首个多对数时间算法。
引用
@article{arxiv.1810.09027,
title = {Massively Parallel Approximate Distance Sketches},
author = {Michael Dinitz and Yasamin Nazari},
journal= {arXiv preprint arXiv:1810.09027},
year = {2019}
}