PowerGraph是2012年发表在OSDI会议上的一篇有关于图计算系统的文章。由于其本身包含了多种传统图算法，并且支持分布式计算，因此直到今日依然会成为众多论文的基线对比，或者是通过PG来验证一些算法的效果。
但是由于PowerGraph年久失修，目前无法直接通过github的源码来进行编译，主要的原因还是第三方库的URL失效。由于最近我们的论文有使用到PG计算框架，也是踩了许多坑，再次进行记录，希望可以方便后面还需要使用PG来进行测试的人员。
github地址:GitHub - BearBiscuit05/PowerGraph_update
源仓库地址:https://github.com/jegonzal/PowerGraph
- Ubuntu16.04
- gcc 5.4
- g++5.4
- jdk1.8
- build-essential
- Zlib
sudo apt-get update
sudo apt-get install gcc g++ build-essential libopenmpi-dev openmpi-bin default-jdk cmake zlib1g-dev git
git clone https://github.com/BearBiscuit05/PowerGraph_update.git
cd PowerGraph_update
./configure
cd release/toolkits/graph_analytics
make -j2
docker pull bearbiscuit/pgimage:latest
PowerGraph可以很方便的进行一些传统图计算任务的运行，经常作为论文的基线测试程序，用于测试分区算法的健壮性，因此，为了方便在PG上测试分区算法在实际分布式场景下的表现，我们对PG的代码进行了一些调整，使得PG可以直接接受来自外部的分区结果，以供应用。
以一个graph.txt文件为例，每一行包含三个参数，分别是src,dst,partid，其中partid表明对应的边(src，dst)最后被分配到哪一个分区中。三个参数之间需要用\t分隔。
#SRC\tDST\tpartid
1 2 0
2 3 1
3 0 1
由于我们的导入接口设置在random中，替代了原先的random方法，因此，运行的命令调整为
./pagerank --graph_opts="ingress=random" --graph /data/in_S5P.txt --format self_tsv
# 其中pagerank通过之前的make命令完成编译，路径在release/toolkits/graph_analytics下
# --graph参数接着的是图的文件路径
# format本意是告诉PG你的图文件结构，self_tsv便是上面提到的三参数文件结构
前一节中已经提供了详细的信息
docker pull bearbiscuit/pgimage:latest
git clone https://github.com/BearBiscuit05/PowerGraph_update.git
首先，docker集群必须在同一个子网下，因此我们需要先创建子网
docker network create --driver bridge --subnet 43.0.0.0/16 --gateway 43.0.0.1 pg_network
随后，我们修改runDocker.sh脚本中的内容，以调整至你所需要的内容(如映射PowerGraph，映射图数据)
在docker集群搭建完成后，进入任意容器，并进入PG程序运行的目录下，随后运行
mpiexec --allow-run-as-root -n 2 -hostfile /root/data/machines ./pagerank --graph_opts="ingress=random" --graph /root/data/test.edges --format self_tsv
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent