【大数据】图数据流的模型、算法和系统（下）

图数据流的模型、算法和系统（下）2018-12-1844图数据流的研究前景：算法和系统图数据流的研究前景：算法和系统基于大规模图数据流的管理需求，针对图数据流模型的研究有广大的前景。传统的图计算的问题在这一模型下仍然会有研究价值，包括三角形计算[18-19]、最短路径[20-21]、子图查询[22]、子图挖掘[23]以及图分类[24]、图聚类[25]等。鉴于这部分图计算问题已有充足的讨论和总结，本文聚焦在基于图数据流自身独特特点的相关研究前景，主要从研究问题和研究方法两个角度探讨，之后讨论图数据流管理系统需要的相关技术和框架。4.1问题的角度从研究问题的角度分析图数据流的研究前景需要结合图数据流的重要特征。图数据流的一个非常本质的特征就是边的时间信息，这将为很多图计算问题赋予新的语义。首先是基于边的时序信息丰富查询语义。现实世界对象间的关联关系和交互行为往往有明确的先后关系，例如好友关系的传播、交通路径的递增时间戳等。因此，图数据流的查询问题可以引入时序的限制。例如，在子图查询中引入对边的时序限制[10]。除了时序限制，还可以引入基于边的时间间隔限制等，以丰富图数据流相关查询的语义