A.Y*_*iha 6 social-networking sparse-matrix julia
我有一个非常大的网络的数据非常稀疏.我想知道无论两个节点是否连接,什么是最有效的内存存储和最容易访问的方式.
显然,对于N个节点,保持N*N矩阵在我存储的空间方面不是那么有效.所以我想到可能保留下面的邻接列表:
Array(Vector{Int64}, N_tmp)
其中N_tmp <= N,因为许多节点可能没有任何连接.
你能帮我看看是否有更好的方法或者包装在内存和访问方面更好？
在LightGraphs.jl中,我们使用邻接列表(基本上是向量的向量)来存储每个节点的邻居.这为大型稀疏图提供了非常好的内存利用率,允许我们在商用硬件上扩展到数亿个节点,同时提供快速访问,以便在大多数图形操作中击败本机稀疏矩阵数据结构.
您可以考虑LightGraphs是否能直接满足您的需求.
使用附加信息进行编辑:我们存储一个已排序的邻居列表 - 这使我们在创建边缘时获得性能提升,但是使后续查找更快.