awesome-repositories.com
Blog
awesome-repositories.com

Entdecke die besten Open-Source-Repositories mit KI-gestützter Suche.

EntdeckenKuratierte SuchenOpen-Source-AlternativenSelf-hosted SoftwareBlogSitemap
ProjektÜber unsRanking-MethodikPresseMCP-Server
RechtlichesDatenschutzAGB
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 Repo

Awesome GitHub RepositoriesVertex-Cut Partitioning

A graph distribution strategy that splits vertices across machines to balance processing loads and minimize network traffic.

Distinct from Graph Partitioning Utilities: Focuses on the specific vertex-cut distribution strategy for load balancing rather than general utility-based segmentation for mini-batching

Explore 1 awesome GitHub repository matching data & databases · Vertex-Cut Partitioning. Refine with filters or upvote what's useful.

Awesome Vertex-Cut Partitioning GitHub Repositories

Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
  • thinkaurelius/titanAvatar von thinkaurelius

    thinkaurelius/titan

    5,228Auf GitHub ansehen↗

    Titan ist eine verteilte Graphdatenbank und Computing-Engine, die für das Speichern und Abfragen massiver Datensätze aus miteinander verbundenen Knoten und Kanten über Multi-Maschinen-Cluster hinweg entwickelt wurde. Sie fungiert als skalierbare Graph-Speicherschicht und transaktionaler Speicher und bietet ein Framework für die Ausführung großskaliger Graph-Verarbeitungsjobs und tiefer Traversierungen. Das System zeichnet sich durch sein austauschbares Speicher-Backend aus, das die Graph-Engine von der physischen Persistenzschicht entkoppelt. Es nutzt Vertex-Cut-Datenpartitionierung, um Verarbeitungslasten auszugleichen, sowie ein Set-Kardinalitäts-Eigenschaftsmodell, das es ermöglicht, dass einzelne Eigenschaften mehrere Werte speichern können. Die Plattform deckt ein breites Spektrum an Funktionen ab, einschließlich Multi-Modell-Graph-Indizierung für geografische und Volltextsuchen, globales Schema-Management für die Neuindizierung von Datensätzen und transaktionale Operationen, die durch Write-Ahead-Logging sichergestellt werden. Zudem integriert es Element-Ablauf mittels Time-to-Live-Einstellungen und System-Performance-Monitoring zur Verfolgung von Abfrageaktivitäten und Transaktionslatenz.

    Utilizes vertex-cut data partitioning to balance processing loads and optimize performance across a multi-machine cluster.

    Java
    Auf GitHub ansehen↗5,228
  1. Home
  2. Data & Databases
  3. Graph Computing Systems
  4. Graph Processing
  5. Vertex-Cut Partitioning