3.3.1　图并行计算

图计算广泛应用于社交网站中，众所周知，社交网络中存在复杂的交际关系，比如FaceBook、Twitter等，都需要使用图计算来计算彼此的联系，当一个图的规模非常大的时候，就需要使用分布式图并行计算。从社交网络到自然语言建模，图数据的规模和重要性已经促进了许多图并行计算模型的发展（例如Pregel、Spark GraphX、GraphLab等），这些图并行计算模型可以有效地执行复杂的图算法，效率远远高于更通用的数据并行系统。

图3⁃17比较了常见的数据并行模型和图并行模型。分布式图计算框架的目的，就是将对于巨型图的各种操作，包装为简单的接口，让分布式存储、并行计算等复杂问题对上层透明。从而使得复杂网络和图算法的工程师，可以更加聚焦在图相关的模型设计和使用上，而不用关心底层的分布式细节。

(https://www.daowen.com)

图3⁃17　数据并行计算模型与图并行计算模型

分布式图并行计算的实现需要考虑两个问题，一个是图存储模式，另一个是图计算模式。下面分别介绍这两个问题。