國內圖計算研究哪裡比較強？

01-23

這裡圖計算是指圖結構數據的計算和分析（不是圖像處理），類似Google Pregel, Spark GraphX，還有GraphLab這種，也包括大規模圖資料庫，分析、查詢、匹配等。
發現最近這個好像比較熱，應用面也挺廣。國內這方面研究哪個學校或者研究機構比較強？具體有哪位老師在做，有些什麼具體方向呢？
如果能講講有什麼研究點就更好了。
國外有什麼組可以follow的也可以，但是還是想主要了解國內的情況。
謝謝！

僅從發表的論文級別看，據我所知，國內有這些研究機構在圖處理系統這塊做不錯：

1. 清華大學，陳文光老師

發表的系統GridGraph[1] Gemini[2]

[1] Zhu X, Han W, Chen W. GridGraph: Large-Scale Graph Processing on a Single Machine Using 2-Level Hierarchical Partitioning[C]//USENIX Annual Technical Conference. 2015: 375-386.

[2] Zhu X, Chen W, Zheng W, et al. Gemini: A computation-centric distributed graph processing system[C]//12th USENIX Symposium on Operating Systems Design and Implementation (OSDI 16), Savannah, GA. 2016.

清華其他老師的：CUBE[3] FPGP[4](FPGP是基於FPGA做的圖處理框架)

[3] Zhang M, Wu Y, Chen K, et al. Exploring the hidden dimension in graph processing[C]//12th USENIX Symposium on Operating Systems Design and Implementation (OSDI 16). USENIX Association, 2016: 285-300.

[4] Dai G, Chi Y, Wang Y, et al. FPGP: Graph Processing Framework on FPGA A Case Study of Breadth-First Search[C]//Proceedings of the 2016 ACM/SIGDA International Symposium on Field-Programmable Gate Arrays. ACM, 2016: 105-110.

2.上海交通大學並行與分散式系統研究所（IPADS）

Cyclops[5] PowerLyra [6] PowerSwitch[7]

[5]Chen R, Ding X, Wang P, et al. Computation and communication efficient graph processing with distributed immutable view[C]//Proceedings of the 23rd international symposium on High-performance parallel and distributed computing. ACM, 2014: 215-226.

[6]Chen R, Shi J, Chen Y, et al. Powerlyra: Differentiated graph computation and partitioning on skewed graphs[C]//Proceedings of the Tenth European Conference on Computer Systems. ACM, 2015: 1.

[7] Xie C, Chen R, Guan H, et al. Sync or async: Time to fuse for distributed graph-parallel computation[J]. ACM SIGPLAN Notices, 2015, 50(8): 194-204.

3. 華中科技大學袁平鵬老師

PathGraph[8]

[8]Yuan P, Zhang W, Xie C, et al. Fast iterative graph computation: A path centric approach[C]// International Conference for High Performance Computing, Networking, Storage and Analysis (SC』14). IEEE, 2014: 401-412.

好了，我大概就知道這些，至於每個老師有哪些具體的研究方向，很難知道很詳細。總之，我認為圖計算可能相對其他某些研究方向比較容易入門，但是想做出新東西並不容易。雖然圖計算現在很火，但是曾經調研過目前的圖系統已經有100多種。

關於研究點，各個系統可能側重點不一樣，有做存儲優化，劃分優化的，通信優化的等等，但是從整體看都是結合圖特點和架構特點優化減少不必要開銷，提高計算的速度。具體的建議樓主多看看好的論文，關注一下像PPOPP ， SIGMOD，ATC，SC等等好的會議相關文章。

最後，安利我們做的基於GPU的圖處理Frog: Asynchronous Graph Processing on GPU with Hybrid Coloring Model，可以關注一下，因為國內做基於GPU圖處理的研究團隊非常之少~。為了不想讓我們老師火，所以我並沒有在上面放上我們老師的名字，哈哈~

今天搜索了一下，感覺上海交大的IPADS實驗室是國內做的最好的，之前以為也許是開放性做的好，但現在看來的確是國內最好，沒有之一。

最近他們做了一個Wukong系統，中了OSDI 2016，也有版本支持流式處理。Fast and Concurrent Query Processing on Big (Linked) Data [IPADS]

之前他們還有一部分工作，

DrTM：面向新型硬體架構的內存資料庫研究；

Polymer: 基於非均勻訪存模型（Non-Uniform Memory Access)的圖結構分析框架

PowerLyra: 差異圖(Differentiated Graph)計算和劃分

PowerSwitch: 圖並行計算中的適應性預測和模式轉換

Imitator: 大規模圖處理中基於副本的容錯方法

Cyclops: 支持高效計算與通信的圖處理方法

總結的也許不全，可以去看看這個人的主頁：Rong Chen (陳榕) [IPADS]

他們的所有工作基本都開源，自信+水平的表現吧。

北京大學做了一個Seraph，主要解決了一些並發條件下的查詢效率問題。

http://net.pku.edu.cn/~xjl/papers/hpdc-xue.pdf

微軟開發了Trinity系統，可以通過VS的插件進行二次開發。

Trinity - Microsoft Research

Graph Engine

有一些單位做過偏RDF的工作，跟知識圖譜、RDF之類的有關有關：

比如華中科大做了一個TripleBit，北京大學計算語言實驗室和MSRA合作過一個gStore系統，主要通過子圖匹配的方式來處理SPARQL查詢。

國外的組，我現在看到的：

EPFL-LABOS，操作系統實驗室

Graph Analytics

劍橋和馬普所合作的Musketeer團隊

Musketeer - By CamSaS

伯克利的：Ligra

Ligra

先寫這麼多吧……

圖計算實在冷清啊，門外漢來湊個熱鬧。本人非博士，僅僅是碩士跟了個這方面的導師，所以個人現在還是挺關注圖計算的。個人感覺是圖計算變現能力實在太差了，前幾年IBM把投入多年的smart city直接砍掉就能看的出來了。相比目前火爆的深度學習之類的實在是冷了很多。研究點可以看看 anti-money laundering。

好吧我就是一本正經的胡說