GraphChi 的磁盘图计算方式挺，能搞定上十亿的边，还不用你配一堆集群，单机就能跑。哦，不过它之前有个小毛病，就是图挖掘算法一上来，内存随机访问多，搞得慢吞吞的。这篇文章就从图的存储格式下手，优化了一波，不光减少了内存跳跃，还让运行时间缩短了 77%。

你要是平时用 GraphChi 多，或者搞过图计算相关的活儿，这套优化思路蛮值得看看。它用了一种自适应选择图表示的方式，还把稀疏矩阵的存储格式也加进来了。说白了，就是按需来，让数据访问更顺滑。

而且作者还搞了并行，就是边加载子图，边更新子图，不会一股脑卡住某一步。挺像是边开车边修路，效率还挺高的。

建议你实战中如果遇到 GraphChi 跑得慢，不妨参考一下这种改法，尤其在做大规模图挖掘或者类似社交网络的活儿时，会省不少事。

对比着看，你也可以翻翻Spark+GraphX那篇，有时候换个框架思路更通。还有个讲ARFF 文件格式的也蛮实用，在预数据时用得上。