原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2015/3/3 GraphLab:新的面向机器学习的并行框架 emy_yu 博客园
MLK
2015年3月
日 一 二 三 四 五 六
博客园 首页 新随笔 新文章 联系 订阅 管理
22 23 24 25 26 27 28
posts 55,comments 74,trackbacks 0
1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
GraphLab:新的面向机器学习的并行框架
22 23 24 25 26 27 28
29 30 31 1 2 3 4
大规模图数据计算引起了许多知名公司的关注，微软提出了用于图数据匹配的Horton Querying Large Distributed
Graphs （Link:/enus/projects/ldg/）,Google提出了适合复杂机器学习的分布式图数据计算Pregel框架，但
昵称：emy_yu 不开源，CMU提出了GraphLab开源分布式计算系统。最近在研究图数据计算问题，找到一篇不错的文章比较Pregel和GraphLab。
园龄：4年
粉丝：101 原文来自：/blog/?p 215
关注：17
+加关注
GraphLab是一种新的面向机器学习的并行框架。
搜索
1.1 GraphLab简介
找找看
在海量数据盛行的今天，大规模并行计算已经随处可见，尤其是MapReduce框架的出现，促进了并行计算在互联网海量数据处理中的广泛
谷歌搜索
应用。而针对海量数据的机器学习对并行计算的性能、开发复杂度等提出了新的挑战。
常用链接
机器学习的算法具有下面两个特点：数据依赖性强，运算过程各个机器之间要进行频繁的数据交换；流处理复杂，整个处理过程需要多次
我的随笔 迭代，数据的处理条件分支多。
我的评论
我的参与 而MapReduce是典型的SIMD模型，Map阶段集群的各台机器各自完成负载较重的计算过程，数据并行度高，适合完成类似矩阵运算、数
据统计等数据独立性强的计算，而对于机器学习类算法并行性能不高。
最新评论
我的标签 另一个并行实现方案就是采用纯MPI （Native MPI）的方式。纯MPI实现通过精细的设计将并行任务按照MPI协议分配到集群机器上，并
根据具体应用，在计算过程中进行机器间的数据通信和同步。纯MPI的优点是，可以针对具体的应用，进行深度优化，从而达到很高的并
我的标签
行性能。但纯MPI存在的问题是，针对不同的机
文档评论（0）