背景
阿里巴巴数据的指数级增长
大约十年前，业务呈指数级扩张，数据也随之迅猛增长。 其中许多数据天然适合建模为图结构，因此图计算的需求在多个领域涌现，例如
- 电商交易
- 导航路线与兴趣点
- 视频创作者评分
大约十年前，业务呈指数级扩张，数据也随之迅猛增长。 其中许多数据天然适合建模为图结构，因此图计算的需求在多个领域涌现，例如
图遍历——访问图中节点的过程——是许多在线和交互式图应用中的关键基础操作，例如，
Gremlin 是事实上的标准语言，它允许通过高级声明式编程来实现各种图操作。
环检测：用于发现图中存在的环，即一条路径回绕到起始顶点形成闭环。
g.V().has('name','tom').as('a').repeat(out().simplePath())
.times(LENGTH).where(out().as('a')).path()
Gremlin 查询编译如循环检测示例所示，Gremlin查询可以任意组合迭代和嵌套操作。
g.V().has('firstname','Tom').as('a')
.repeat(out().simplePath()).times(k)
.where(out().eq('a')).path()
实体解析：识别并关联现实世界中同一实体的不同表示形式。这一任务并非易事，面临的挑战包括：
我们过去使用内部开发的顶点中心图系统ODPSGraph来实现实体解析的并行化。然而，多年来面临的挑战与日俱增。
我们在SIGMOD'2017上展示了PIE和GRAPE，并将其开源发布于 https://github.com/alibaba/libgrape-lite
给定查询Q和图G，要计算Q(G)，用户只需提供3个函数。
SIGMOD'2017
最佳论文奖
VLDB'2017
最佳演示奖
SIGMOD'2018
研究亮点
基于GNN的推荐系统
在VLDB'2019会议上展示，并开源发布于
https://github.com/alibaba/graph-learn
该工具已在阿里巴巴内外的众多场景中成功应用。
专用图应用也被广泛采用。我们列举了一些我们的研究...
VLDB'2020
最佳论文（亚军）
电商平台欺诈检测的简化工作流程：
我们在VLDB'2021大会上发布了GraphScope，并开源在
https://github.com/alibaba/graphscope
pip install graphscope
兼容NetworkX的图操作和算法API
我们在SIGMOD'2023上展示了Vineyard，并在
https://github.com/v6d-io/v6d开源了该项目，Vineyard是CNCF沙箱项目。
为什么我们需要vineyard？
Vineyard提供：
该图展示了现实世界中图系统的简化视图。它具有以下特点
即使是同一个数据集，也可以根据具体需求以不同方式进行建模。
用于图查询
用于图分析
用于图学习
图存储可以多种多样。计算引擎访问数据的需求也各不相同。
开源地址： https://github.com/graphscope/GRIN
GRIN是GraphScope中提出的标准图检索接口。其目标是将不同计算引擎与存储引擎之间的集成复杂度从M*N降低到M+N。
作为Apache孵化项目开源
https://github.com/apache/GraphAr
GraphAr（全称“Graph Archive”）是一个旨在让各类应用和系统（包括内存与外部存储、数据库、图计算系统以及交互式图查询框架）能更便捷高效地构建和访问图数据的项目。
问题：通过将每笔订单与已知欺诈行为进行比对，识别电子商务中的可疑交易。
这个问题可以通过部署GraphScope Flex并使用这些组件来解决。
问题：识别负责掌控公司的主导股东，即持股超过51%的股东。
这一问题由GraphScope Flex分析堆栈解决，其实现了一种基于标签传播的分析算法。
欢迎加入我们，携手合作！
参考文献
版权