图计算第11章

图计算的第 11 章内容挺有料的，尤其适合你正好在研究社交网络、推荐系统或者搞图神经网络这类活儿。文档里提到的 Pregel 和 Hama，都是大规模图计算领域的狠角色，分别代表了 Google 和开源阵营的玩法。像 Pregel 就是那种“顶点说了算”的模型，啥都围着顶点转，消息传来传去，搞个 PageRank 分分钟的事。

Hama 则更偏工程落地，适合你搞个集群、跑个 BSP 任务啥的。文档里还顺带比较了一下 Pregel 和 MapReduce，也挺中肯：简单点就用 MapReduce，真要追性能就得上 Pregel 这种专门为图计算打造的架构。还有提到像 Neo4j 这类图数据库，适合查关系链那类需求，响应快，用起来也不复杂。

你要是做社交图、生物网络、交通路径推荐这些，真建议你把这章节好好看一遍。尤其对 Pregel 的超步机制讲得清楚，还有 API 使用方式，连你 C++ 要怎么玩都说到了。如果你图结构数据多、性能要求高，真的值得深入研究下。