Résumé:
Aujourd'hui, les graphes sont devenus un moyen de stockage des informations et des
donn ees. ils sont partout. Ils sont utilis es pour mod eliser divers types de r eseaux : r eseau
internet, r eseau de transport, r eseaux sociaux, etc. Cependant, ces graphes peuvent ^etre
de grande taille (Big-graphs) et il devient di cile de les traiter e cacement sur une seule
machine. Cela signi e qu'il ya un besoin pour les algorithmes qui peuvent ^etre facilement
parall elis es. Par cons equent, pour simpli er la programmation des algorithmes de graphe
dans un environnement distribu e, un certain nombre des outils open source ont et e d evelopp e,
tels que : Pregel, Giraph, Graphx, GraphLab, etc. La plupart de ces syst emes s'appuient sur
le mod ele BSP, popularis e par le projet Pregel de Google. Ils sont con cus pour ex ecuter d'
algorithmes de graphes it eratifs a travers des clusters de machines.
Dans ce m emoire nous avons bas e sur le framwork Graphx. Graphx est une API de
calcul de graphes construite sur Apache Spark. Il est un moteur rapide et agr eg e pour le
traitement de donn ees a grande echelle dans le cloud. Alors que la popularit e de Spark et
Graphx augmente, la technologie relativement jeune n'a pas encore explor e les probl emes de
graphes existants dans ce domaine. A n d'examiner et de mieux comprendre les capacit es de
Graphx, ce memoire aborde le paradigme avec l'intention de mise en oeuvre du probl eme de
colorisation, qui est un probl eme graphe complexe. .
