3 repositorios
Distributed execution of graph-based algorithms on large-scale data structures.
Distinct from Distributed Computing: Focuses on graph-specific algorithms like PageRank rather than general data processing
Explore 3 awesome GitHub repositories matching data & databases · Graph Computation. Refine with filters or upvote what's useful.
Angel is a distributed machine learning framework and graph computation engine designed to train predictive models and execute algorithms across a cluster of servers. It functions as a distributed parameter server that synchronizes model weights and gradients across multiple machines to handle massive datasets. The system provides a production environment for model inference deployment to provide real-time predictions for end users. It integrates with Spark to run machine learning workflows and data processing pipelines through a compatible interface. The framework covers distributed graph c
Implements distributed graph computation for complex tasks such as PageRank and community detection.
graph_nets es un framework de aprendizaje profundo estructurado en grafos y una librería para construir redes neuronales de paso de mensajes. Proporciona herramientas para diseñar arquitecturas que operan sobre nodos y aristas para procesar y razonar sobre datos estructurados como grafos utilizando TensorFlow. El framework implementa un paradigma de paso de mensajes para el intercambio iterativo de información entre nodos. Este enfoque permite el desarrollo de modelos que pueden razonar sobre entradas complejas estructuradas en grafos para tareas como la búsqueda de rutas y la clasificación, o servir como predictor para los estados futuros y trayectorias de sistemas físicos.
Implements graph-based computation to perform complex tasks such as path-finding or sorting.
Titan es una base de datos de grafos distribuida y motor de computación diseñado para almacenar y consultar conjuntos de datos masivos de nodos y bordes interconectados a través de clústeres de múltiples máquinas. Funciona como una capa de almacenamiento de grafos escalable y almacén transaccional, proporcionando un framework para ejecutar trabajos de procesamiento de grafos a gran escala y recorridos profundos. El sistema se distingue por su backend de almacenamiento conectable, que desacopla el motor de grafos de la capa de persistencia física. Utiliza particionamiento de datos por corte de vértices (vertex-cut) para equilibrar las cargas de procesamiento y un modelo de propiedad de cardinalidad de conjunto que permite que una sola propiedad almacene múltiples valores. La plataforma cubre una amplia gama de capacidades, incluyendo indexación de grafos multimodelo para búsquedas geográficas y de texto completo, gestión de esquemas globales para reindexar conjuntos de datos y operaciones transaccionales aseguradas mediante registro de escritura anticipada (write-ahead logging). También incorpora la expiración de elementos mediante configuraciones de tiempo de vida (TTL) y monitoreo del rendimiento del sistema para rastrear la actividad de consultas y la latencia de transacciones.
Provides a framework for executing large-scale graph processing jobs and deep traversals across a distributed cluster.