nach oben

Tipp

Analyzing Temporal Graphs with Gradoop

verfasst von: Christopher Rost, Andreas Thor, Erhard Rahm

Erschienen in: Datenbank-Spektrum | Ausgabe 3/2019

Einloggen, um Zugang zu erhalten

Abstract

The temporal analysis of evolving graphs is an important requirement in many domains but hardly supported in current graph database and graph processing systems. We therefore have started with extending the distributed graph analysis framework Gradoop for temporal graph analysis by adding time properties to vertices, edges and graphs and using them within graph operators. We outline these extensions and illustrate their use within analysis workflows. We further describe the implementation of the snapshot and diff operators and evaluated them.

Vorheriger Artikel Evaluating the Vector Supercomputer SX-Aurora TSUBASA as a Co-Processor for In-Memory Database Systems

Nächster Artikel Lock-free Data Structures for Data Stream Processing

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 69.000 Bücher
über 500 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt 90 Tage mit der neuen Mini-Lizenz testen!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 58.000 Bücher
über 300 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt 90 Tage mit der neuen Mini-Lizenz testen!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 50.000 Bücher
über 380 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt 90 Tage mit der neuen Mini-Lizenz testen!

Jetzt informieren

Datenbank-Spektrum

Datenbank-Spektrum ist das offizielle Organ der Fachgruppe Datenbanken und Information Retrieval der Gesellschaft für Informatik (GI) e.V. Die Zeitschrift widmet sich den Themen Datenbanken, Datenbankanwendungen und Information Retrieval.

Jetzt informieren

https://flink.apache.org/

https://neo4j.com/developer/cypher-query-language/

Cheng R et al (2012) Kineograph: taking the pulse of a fast-changing and connected world. Proc EuroSys:85–98. https://doi.org/10.1145/2168836.2168846 CrossRef

Date CJ, Darwen H, Lorentzos N (2002) Temporal data & the relational model. Morgan Kaufmann Publishers Inc. San Francisco, CA, USA

Erling O, Averbuch A, Larriba-Pey J, Chafi H, Gubichev A, Prat A, Pham MD, Boncz P (2015) The LDBC social network benchmark: Interactive workload. In: Proceedings of the 2015 ACM SIGMOD international conference on management of data. ACM, New York, pp 619–630. https://doi.org/10.1145/2723372.2742786

Holme P, Saramäki J (2012) Temporal networks. Phys Rep 519(3):97–125. https://doi.org/10.1016/j.physrep.2012.03.001 CrossRef

Junghanns M, Kießling M, Teichmann N, Gómez K, Petermann A, Rahm E (2018) Declarative and distributed graph analytics with GRADOOP. Proc VLDB Endow 11(12):2006–2009 CrossRef

Junghanns M, Petermann A, Neumann M, Rahm E (2017) Management and analysis of big graph data: current systems and open challenges. In: Handbook of big data technologies. Springer, Cham, pp 457–505 CrossRef

Junghanns M, Petermann A, Rahm E (2017) Distributed grouping of property graphs with GRADOOP. Proc BTW, P-265:103–122

Junghanns M, Petermann A, Teichmann N, Gómez K, Rahm E (2016) Analyzing extended property graphs with Apache Flink. In: Proc. SIGMOD Workshop on Network Data Analytics

Khurana U, Deshpande A (2013) Efficient snapshot retrieval over historical graph data. Proc ICDE, 997–1008. https://doi.org/10.1109/icde.2013.6544892 CrossRef

10.

Kulkarni K, Michels J (2012) Temporal features in SQL: 2011. SIGMOD Rec 41(3):34–43 CrossRef

11.

Ligtenberg W, Pei Y, Fletcher G, Pechenizkiy M (2018) Tink: A temporal graph analytics library for Apache Flink. In: WWW ’18 Companion Proceedings of the The Web Conference 2018, pp 71–72. https://doi.org/10.1145/3184558.3186934 CrossRef

12.

Miao Y et al (2015) Immortalgraph: a system for storage and analysis of temporal graphs. ACM Trans Storage 11(3):14 CrossRef

13.

Pigné Y, Dutot A, Guinand F, Olivier D (2008) Graphstream: A tool for bridging the gap between complex systems and dynamic graphs. CoRR

14.

Rost C, Thor A, Rahm E (2019) Temporal graph analysis using gradoop. In: BTW 2019 - Workshopband. Lecture Notes in Informatics (LNI), vol P‑290. Gesellschaft für Informatik, Bonn, pp 109–118

15.

Steer BA, Cuadrado F, Clegg RG (2020) Raphtory: Streaming analysis of distributed temporal graphs. Future Generation Computer Systems 102:453–464. https://doi.org/10.1016/j.future.2019.08.022 CrossRef

16.

Then M, Kersten T, Günnemann S, Kemper A, Neumann T (2017) Automatic algorithm transformation for efficient multi-snapshot analytics on temporal graphs. Proc VLDB Endow 10(8):877–888 CrossRef

Titel: Analyzing Temporal Graphs with Gradoop
verfasst von: Christopher Rost
Andreas Thor
Erhard Rahm
Publikationsdatum: 16.09.2019
Verlag: Springer Berlin Heidelberg
Erschienen in: Datenbank-Spektrum / Ausgabe 3/2019
Print ISSN: 1618-2162
Elektronische ISSN: 1610-1995
DOI: https://doi.org/10.1007/s13222-019-00325-8

Springer Professional

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

Analyzing Temporal Graphs with Gradoop

Abstract

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Wirtschaft"

Springer Professional "Technik"

Datenbank-Spektrum

Premium Partner

Springer Professional

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

Abstract

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Wirtschaft"

Springer Professional "Technik"

Datenbank-Spektrum

Weitere Artikel der Ausgabe 3/2019

Chain-detection Between Clusters

Dissertationen

Editorial

News

Lock-free Data Structures for Data Stream Processing

Particulate Matter Matters—The Data Science Challenge @ BTW 2019

Premium Partner

Particulate Matter Matters—The Data Science Challenge @ BTW 2019