参考文献点击打开链接 【前言：有一种说法[1]是Google的程序里面80%用的是MapReduce，20%用的是Pregel。今天就来介绍一下这个Pregel。想要深入研究的同志们，可以参考最新的SIGMOD 2010 ppt[2]。】 简介 Pregel是一个用于分布式图计算的计算框架，主要用于图遍历（BFS）、最短路径（SSSP）、PageRank计算等等。共享内存的运行库有很多

GraphX环境搭建与API的熟悉 我自己在本机上搭建了GraphX的环境，并测试了几个Demo。这方面的内容，GraphX的官方网站上有详细的介绍，列举几个我个人认为比较基础和重要的关于Graph的Operators： class Graph[VD, ED] {//这个是把图存成Table所需要的数据，上一个周报里面提到了val vertices: VertexRDD[VD]val ed

借助ArangoDB，带你玩转Google图算法引擎Pregel    ArangoDB团队研究出一种算法，能够在一个图中识别出已连接的子图，文中以国家为例；在ArangoDB中引入Pregel框架，通过Worker算法、合成算法、pregelRunner模块来执行不同的实现方式。来试试吧！ ArangoDB团队研究出一种算法，能够在一个图中识别出已连接的子图，文中以国家为例；在ArangoD

本文参考自: 原文地址 本文是对二跳邻居统计的实战，因为用到了pregel，需要对pregel模型有一些大致的了解，例如各个参数的意义，各个函数的作用，以及大致的流程。最核心的应该就是消息发送函数这个部分，注释中有对两轮迭代的过程有解释。 def main(args: Array[String]): Unit = {case class Person(id: String, tel: Stri