GraphX

Von sozialen Netzwerken bis hin zu zielgerichteter Werbung erfassen große Graphen die Struktur in Daten und sind zentral für die jüngsten Fortschritte im maschinellen Lernen und im Data Mining. Leider kann die direkte Anwendung vorhandener datengestützter Werkzeuge auf Aufgaben der Graphberechnung mühsam und ineffizient sein. Der Bedarf an intuitiven, skalierbaren Werkzeugen für die Graphberechnung hat zur Entwicklung neuer graphparalleler Systeme (z. B. Pregel, PowerGraph) geführt, die darauf ausgelegt sind, Graphalgorithmen effizient auszuführen. Leider adressieren diese neuen graphparallelen Systeme nicht die Herausforderungen der Graphkonstruktion und -transformation, die ebenso problematisch sein können wie die nachfolgende Berechnung. Darüber hinaus bieten bestehende graphparallele Systeme begrenzte Fehlertoleranz und Unterstützung für interaktives Data Mining.