Pregel模型原理

一.图简介

图数据结构可以很好的展示关联关系，关联性计算是大数据计算核心，Pregel是一种基于BSP模型实现的并行图处理系统。主要用于图遍历（BFS）、最短路径（SSSP）、PageRank计算等等计算。

二.模型

2.1 简介

Pregel计算模型，输入是一个有向图，该有向图每个顶点（Vertex）是唯一，每个顶点都有属性，这些属性可以被修改，其初始值由用户定义，边也有属性，与顶点关联。

消息（Message），消息是Pregel计算模型的核心。每个 Vertex 在初始状态以及之后的每一个计算步骤当中都被 Attach 一个 Message 值作为 Vertex 当前的状态，算法的迭代通过 Vertex 之间互相发送的消息来完成。

超迭代(Superstep)。一个 Superstep 是 Pregel 在执行算法过程当中进行的一次迭代。 一次 Pregel 计算过程可能包括多个 Superstep。

2.2 Vertex

Pregel图计算过程与MapReduce非常接近：在迭代每一个步骤，将会以图的节点为中心进行Map操作，这意味Map函数当中我们只有以某一节点为中心的局部信息，包括：

• 一个 Vertex 和它当前 Attach 的 Message
• 当前 Vertex 向外指向的 Edge 和 Edge 上的属性
• 当前 Vertex 在上一步计算当中所接收到的全部 Message

Vertex状态变化

当一个Vertex在上上一步当中没有接收到消息，或者算法自己决定不在向外发送消息，它可以被转变为Inactive。在 Pregel 的术语当中，这被称为 Vote to halt。

当一个在之前已经 Inactive 的 Vertex 又接受到一条新的消息，它会在新的计算中转变为 Active 的状态。

在大多数算法当中，所有的 Vertex 都进入 I