Screenshot 2024 05 06 At 12.06.54 Am.png

Investigadores de la Universidad Purdue han introducido GTX para abordar el desafío de manejar gráficos a gran escala con transacciones de lectura y escritura de alto rendimiento y al mismo tiempo mantener análisis de gráficos competitivos. La gestión eficiente de gráficos dinámicos es crucial para diversas aplicaciones, como la detección de fraude, los sistemas de recomendación y el entrenamiento de redes neuronales de gráficos. Los gráficos del mundo real a menudo exhiben localidades temporales y puntos críticos, que los sistemas de gráficos transaccionales existentes tienen dificultades para abordar. La investigación tiene como objetivo crear un sistema de datos de gráficos transaccionales capaz de gestionar de manera eficiente gráficos dinámicos con altas tasas de llegada de actualizaciones, localidades temporales y puntos de acceso, al tiempo que admite análisis de gráficos concurrentes.

Los sistemas de gráficos transaccionales actuales a menudo utilizan mecanismos de control de concurrencia de grano grueso que no pueden optimizarse para manejar localidades temporales y puntos de acceso de manera eficiente. Estos sistemas pueden sufrir una degradación del rendimiento bajo cargas de trabajo simultáneas que implican actualizaciones frecuentes. Por el contrario, el sistema de datos GTX propuesto es un sistema de datos de gráficos transaccionales optimizados para escritura y sin pestillos. GTX aprovecha las operaciones atómicas para eliminar los pestillos, emplea almacenamiento multiversión basado en delta e implementa un protocolo de confirmación de transacciones híbridas.

GTX también incorpora un índice de cadena delta para admitir búsquedas de borde eficientes y gestionar el control de concurrencia en el nivel de cadena delta. A diferencia de los sistemas existentes, está diseñado para adaptarse a localidades temporales y puntos críticos en las actualizaciones de gráficos mientras mantiene transacciones de lectura y escritura de alto rendimiento y un rendimiento de análisis de gráficos competitivo.

La arquitectura de GTX gira en torno a un almacén de gráficos basado en listas de adyacencia sin pestillos y un administrador de transacciones con un protocolo de control de concurrencia. Emplea un almacén delta de múltiples versiones donde cada delta captura operaciones de vértice o borde, lo que permite un acceso y actualizaciones eficientes. GTX facilita el trabajo conjunto de transacciones y análisis simultáneos al controlarlos en el nivel de cadena delta y utilizar un protocolo de compromiso de grupo híbrido. Esto aumenta el rendimiento general. Además, GTX utiliza un índice de cadena delta para búsquedas de borde eficientes y admite control de concurrencia adaptativo basado en el historial de carga de trabajo. El sistema tiene un prototipo como biblioteca de gráficos y se evalúa utilizando conjuntos de datos sintéticos y del mundo real. Los experimentos muestran la capacidad de GTX para manejar gráficos de ley de potencia del mundo real con localidades temporales y puntos de acceso mientras mantiene un rendimiento de millones de transacciones por segundo y un rendimiento de análisis de gráficos competitivo.

En conclusión, los investigadores abordan el desafío de gestionar eficientemente gráficos dinámicos con altas tasas de llegada de actualizaciones, localidades temporales y puntos de acceso. Al presentar GTX, un sistema de datos de gráficos transaccionales optimizado para escritura y sin pestillos, los investigadores brindan una solución que supera a los sistemas existentes en cuanto a rendimiento de transacciones y solidez en diversas cargas de trabajo. La capacidad de GTX para adaptarse a localidades temporales y puntos de acceso mientras mantiene un rendimiento competitivo de análisis de gráficos lo convierte en una herramienta prometedora para aplicaciones que requieren gestión y análisis de gráficos eficientes.


Revisar la Papel. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo. Únete a nuestro Canal de telegramas, Canal de discordiay LinkedIn Grarriba.

Si te gusta nuestro trabajo, te encantará nuestro Boletin informativo..

No olvides unirte a nuestro SubReddit de 41k+ ML


Pragati Jhunjhunwala es pasante de consultoría en MarktechPost. Actualmente está cursando su B.Tech en el Instituto Indio de Tecnología (IIT), Kharagpur. Es una entusiasta de la tecnología y tiene un gran interés en el alcance del software y las aplicaciones de ciencia de datos. Siempre está leyendo sobre los avances en diferentes campos de la IA y el ML.