[发明专利]用于大规模图的分布式并行PageRank算法

权利要求书

1.用于大规模图的分布式并行PageRank算法，其特征在于，包括以下步骤：

S1：根据目标图数据规模以及分布式硬件环境条件，确定计算线程并行度K，并对目标图数据进行初始化处理，得到初始化变量和初始化列表；

S2：按照步骤S1得到的计算线程并行度K，启动的K个计算线程，然后启动控制线程，通过控制线程对K个计算线程进行控制，结合步骤S1得到的初始化变量和初始化列表，计算目标图数据中所有顶点对象的顶点累计信息量；

S3：根据步骤S2得到的所有顶点对象的顶点累计信息量，计算所有顶点对象的PageRank值，输出包含所有顶点对象PageRank值的PageRank向量。

2.根据权利要求1所述的用于大规模图的分布式并行PageRank算法，其特征在于，所述步骤S1中，所述目标图数据中顶点对象v_ID，其中ID表示顶点对象编码，顶点对象v_ID的状态分为两种，一种作为当前源顶点对象v_i，其中i＝ID，另一种作为目标顶点对象v_j，其中j＝ID；所有顶点对象v_ID均通过有向边e_ij进行连接，当某个顶点对象v_ID作为当前源顶点对象v_i时，它通过有向边e_ij所指向的所有其它顶点对象v_ID均称为目标顶点对象v_j，其对应关系结合有向边可记为e_ij＝(v_i，v_j)，即当前源顶点对象v_i指向目标顶点对象v_j；当顶点对象v_ID作为当前源顶点对象v_i时，它所指向的目标顶点对象v_j的总数称为顶点对象v_ID的出度；当顶点对象v_ID作为目标顶点对象v_j时，它被指向的当前源顶点对象v_i的总数称为顶点对象v_ID的入度。

3.根据权利要求1所述的用于大规模图的分布式并行PageRank算法，其特征在于，所述步骤S1中，所述初始化处理包括以下步骤：

S11：确定所需的初始化变量和初始化列表，其中初始化变量包括阻尼系数c、顶点信息量下限ξ、顶点对象相关变量、计算线程相关变量和控制对象相关变量，其中顶点对象相关变量包括顶点累积信息量PR、顶点待处理信息量RES和顶点互斥锁MTX；计算线程相关变量包括计算线程编码TID；控制对象相关变量包括原子布尔型的线程状态标识ATO和原子布尔型的线程运算状态标识READY；

S12：创建初始化变量和初始化列表。

4.根据权利要求3所述的用于大规模图的分布式并行PageRank算法，其特征在于，所述步骤S11中的初始化列表，包括顶点对象列表NODE、顶点对象内存地址列表SRC、有向边权重列表DEST，以及计算线程-顶点对象映射表VECQUE。