About Me
图计算和图存储在国内兴起于2014年，笔者在2015有幸成为中科院的客座实习生开始基础图计算，从2015年12月开始分别完成了图计算的综述研究、GraphX的源码剖析，随后参与了图计算的相关项目，受益匪浅，乐趣无穷，不想离开，因毕业需要，2016年5月返回本科学校花了几周时间完成了这个简单的毕业设计，作为毕业之用。
Abstract
This is my 2015 undergraduate graduation design based on GraphX().
Common Interfaces implementedd in this system for upper users:
Summary Design
Implemention Details
GraphBuild
N Degree Neighbours
Visualization
Custom attributes 要展示的属性标签客制化
Community Detection
PageRank
Second Degree Neighbours
Performance Tuning Guide
Spark·Shuffle调优指南 Spark·Shuffle调优指南
Future Work
基于图的社区发现效率比较高的算法有标签传播(LPA)，lovain method, infomap等，其中以infomap综合优势最好，因为infomap通吃所有类型的网络(有向无向有权无权)，且是线性时间，发现的社区质量也比较高。
社区发现发展到现在，领域的拼图基本完善了，可是实际应用一直是困扰这个领域的痛点。所以我觉得在现有评价体系下，再求准意义不大，接下来的重点研究方向是scalabl。Louvain则是将Modularity的优化进行了scalable，可以快速的应用在大规模的网络上. We will implements Lonvain on GraphX.