背景技术:
1、图形是具有通过边连接到其它节点的节点或顶点的数据结构。每个节点和/或边也可与附加的数据值相关联。图形分析是一个流行的应用领域,因为许多机器学习、数据挖掘和科学计算可被建模成图形结构化计算。例如,大的图形数据集可用于表示社交网络中人之间的关系、对用于药物合成的不同分子之间的交互进行建模、生成推介等。
2、影响图形分析的性能和成本的一个维度是图形数据集的大小。非常大的图形数据集常常分布在多个存储器设备上,并且与这样的大图形数据集相关联的计算由系统中的多个计算节点执行。然而,以这种方式扩缩图形计算系统可能导致诸如性能瓶颈(例如,由于增大的通信延迟)以及缺乏灵活性和一致性这样的问题。
技术实现思路
1.一种加速器设备,包括:
2.根据权利要求1所述的加速器设备,其中:
3.根据权利要求1所述的加速器设备,其中:
4.根据权利要求3所述的加速器设备,其中:
5.根据权利要求3所述的加速器设备,其中:
6.根据权利要求1所述的加速器设备,还包括:
7.根据权利要求1所述的加速器设备,还包括:
8.一种方法,包括:
9.根据权利要求8所述的方法,其中:
10.根据权利要求8所述的方法,其中:
11.根据权利要求8所述的方法,还包括:
12.根据权利要求8所述的方法,还包括:
13.一种计算系统,包括:
14.根据权利要求13所述的计算系统,其中所述多个加速器设备中的每个加速器设备还包括:
15.根据权利要求13所述的计算系统,其中:
16.根据权利要求13所述的计算系统,其中:
17.根据权利要求13所述的计算系统,其中:
18.根据权利要求13所述的计算系统,其中:
19.根据权利要求13所述的计算系统,其中:
20.根据权利要求13所述的计算系统,其中所述多个加速器设备中的每个加速器设备还包括: