Les algorithmes de graphes parall eles : algorithme et impl ementation sous Graphx

Abstract

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. .