机器学习和生物信息学实验室联盟

 找回密码
 注册

QQ登录

只需一步,快速开始

搜索
查看: 11795|回复: 14
打印 上一主题 下一主题

新的图模型及机器学习并行框架利器----GraphLab+Graphbuilder

  [复制链接]
跳转到指定楼层
楼主
发表于 2013-1-5 16:21:17 | 只看该作者 回帖奖励 |正序浏览 |阅读模式
本帖最后由 Fth-Hokage 于 2013-1-5 16:38 编辑

         在海量数据盛行的今天,大规模并行计算已经随处可见,尤其是MapReduce框架的出现,促进了并行计算在互联网海量数据处理中的广泛应用。而针对海量数据的机器学习对并行计算的性能、开发复杂度等提出了新的挑战。

        机器学习算法具有下面两个特点:数据依赖性强,运算过程各个机器之间要进行频繁的数据交换;流处理复杂,整个处理过程需要多次迭代,数据的处理条件分支多。

      而MapReduce是典型的SIMD模型,Map阶段集群的各台机器各自完成负载较重的计算过程,数据并行度高,适合完成类似矩阵运算、数据统计等数据独立性强的计算,而对于机器学习类算法并行性能不高。

      为解决机器学习的流处理,Google提出了Pregel框架,Pregel是严格的BSP模型,采用“计算-通信-同步”的模式完成机器学习的数据同步和算法迭代。Goolge曾称其80%的程序使用MapReduce完成,20%的程序使用Pregel实现。因而,Pregel是很成熟的机器学习流处理框架,但Google一直没有将Pregel的具体实现开源,外界对Pregel的模仿实现在性能和稳定性方面都未能达到工业级应用的标准。

     2010年,CMU的Select实验室提出了GraphLab框架,GraphLab面向机器学习的流处理并行框架。同年, GraphLab基于最初的并行概念实现了1.0版本,在机器学习的流处理并行性能方面得到很大的提升,并引起业界的广泛关注,在2012年GraphLab升级到2.1版本,进一步优化了其并行模型,尤其对自然的并行性能得到显著改进。
    目前,业界常见的针对迭代或图运算的框架有:
   
    GraphLab的软件架构:
     
    可以看出,他也包含一些常见的机器学习算法
  
    除了常规的机器学习算法,我们也不得不提到图运算(尤其是社交网络)——在数据挖掘与机器学习中也是无处不在:     
   
    然而原始的mapreduce框架针对这些问题显得很无力,正如我们上面所分析的那样,那么来看一种新的方案:
      
    图的并行计算模式:
        
   以这种方案来计算pagerank,性能对比如下:
      
   不知大家有什么不同的见解,不吐不快,哈哈,另外,哪位童靴要是有兴趣,可以研究一下   

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?注册

x
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享
回复

使用道具 举报

15#
发表于 2013-1-21 12:33:53 | 只看该作者
貌似确实PThreads比较多。
回复 支持 反对

使用道具 举报

14#
 楼主| 发表于 2013-1-9 10:24:42 | 只看该作者
tangzk 发表于 2013-1-8 18:41
确实,说起来Hadoop确不是为机器学习而生的,只是为了其当时的分布式大规模批量处理,如爬虫、索引和存储 ...

哈哈 新的收获 得亏了大家畅所欲言啊
回复 支持 反对

使用道具 举报

13#
发表于 2013-1-8 18:41:07 | 只看该作者
Fth-Hokage 发表于 2013-1-6 16:42
哈哈 这个见解真是一针见血
     当前大数据主要从三个层析展开:

确实,说起来Hadoop确不是为机器学习而生的,只是为了其当时的分布式大规模批量处理,如爬虫、索引和存储等,这些简单的数据流任务用MapReduce还是很适合,目前业界也都是这么干。
但是当涉及大规模网络通讯交互,甚至数据的迭代时,就需要更新的计算模型来支撑了,Pregel适用于图模型的处理,MPI类适合异构环境的并行集群计算,GPU类适合更高计算密集型的并行计算。
现在感觉机器学习见得多的还是用MPI+PThread做,据我所知有百度、淘宝等,不过存储依然是HDFS,另外80%的日常业务数据流处理任务还是用MapReduce。
回复 支持 反对

使用道具 举报

12#
发表于 2013-1-8 10:16:41 | 只看该作者
chenwq 发表于 2013-1-5 17:31
用过GraphLab一个月左右。就编程模型上而言,GraphLab是"think like a vertex"。而MapReduce是"think like  ...

GraphChi: Your Laptop Can Now Analyze Big Data
http://www.technologyreview.com/ ... &nld=2012-07-17
回复 支持 反对

使用道具 举报

11#
 楼主| 发表于 2013-1-6 16:42:42 | 只看该作者
chenwq 发表于 2013-1-6 11:46
"Big data is like teenage sex. If you do it, you do it bad, and most teenagers just talk about it. ...

     哈哈 这个见解真是一针见血
     当前大数据主要从三个层析展开:

     这三个层析的发展依次对应着云的 SaaS, PaaS, IaaS

      其中底层硬件基础架构主要由intel包揽:“英特尔的智能加速技术将使得基于英特尔的服务器平台,能获得优于竞争对手的表现。其次,大量的超线程已经在服务器上被广泛地应用,在集群系统当中使整个集群有更快的互联互通,超级互联架构能够也能使整个集成性能大幅度提高。英特尔最新的存储架构也是对今后可扩展性的存储架构提供了支撑。”

      对于中间层和最上层,林智仁 在百度做关于大数据 分类de 演讲时说:“当下诞生的分布式系统或框架--尤其hadoop,并不是为机器学习算法而诞生的,因此很多机器学习算法在这些框架上的并行化并不能达到最佳效果”“那么解决途径就是 1. 致力于新的更适合于机器学习的系统的研究  2.  设计新的能很好适应当前这些框架的算法”

      所以,目前除了intel能把重心放在底层外,业界其他很多机构都是重在 中间一层 的研发,我们看看典型的例子:google—pregel, CMU—GraphLab,  CRMI—BC-BSP, 华为新成立的诺亚方舟 实验室 其中一个重心也是“研发适合机器学习算法的分布式框架”,还有HaLoop, Graphbuilder, HTC DATA CENTEL LAB也在开发适应于大数据的并行框架

    当然 对于上层数据智能 了解的不太多 欢迎大家纠正,完善这几句 闲扯

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?注册

x
回复 支持 反对

使用道具 举报

10#
发表于 2013-1-6 14:41:40 | 只看该作者
GraphLab实现的ALS (Alternating least squares), SGD (Stochastic Gradient Descent) , Bias SGD, Weighted-ALS, Sparse-ALS, 还有在Netflix Price里用到的SVD++。http://graphlab.org/toolkits/collaborative-filtering/
回复 支持 反对

使用道具 举报

9#
发表于 2013-1-6 14:38:18 | 只看该作者
tangzk 发表于 2013-1-6 13:27
GraphLab出品的这个大数据处理框架本年度值得关注,另外这个实验室的矩阵分解也做得相当拉风。

Tensor Factorization吗?他们用来做推荐。牛逼啊CMU
回复 支持 反对

使用道具 举报

8#
发表于 2013-1-6 14:29:43 | 只看该作者
xmubingo 发表于 2013-1-6 13:13
你骗我,你肯定看了在偷笑

哈哈。嗯。最早据说这话是在说agile
回复 支持 反对

使用道具 举报

7#
发表于 2013-1-6 13:27:47 | 只看该作者
GraphLab出品的这个大数据处理框架本年度值得关注,另外这个实验室的矩阵分解也做得相当拉风。
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 注册

本版积分规则

机器学习和生物信息学实验室联盟  

GMT+8, 2024-11-2 07:23 , Processed in 0.075556 second(s), 24 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表