python - 具有大对象的 Memcached(NetworkX 图)

Question

我有一个 NetworkX 图 (g)，它有大约 25k 个节点和 125k 个边。我想使用 memcached 缓存 g 但 g 太大了。我最多可以将每个项目的 memcached 限制增加到 32MB，但这是行不通的。

1. 我是否应该尝试让它与 memcached 一起工作？

2. 如果我希望能够存储最多具有 1m 个节点和 10m 个边的 networkx 图，我还有哪些其他选择？

3. 在 (a) 对图一无所知，以及 (b) 以导致最小性能下降的方式将图 block 重新组合在一起的情况下，我如何对图进行分块以使其更小。

   <

我正在使用 python。附上创建图表的示例代码。

import sys
import pickle
import random
import networkx as nx
from django.core.cache import cache

def randstring(x=3):
    return ''.join([chr(random.randrange(65, 91)) for _ in range(x)])

class Qux(object):
    def __init__(self, foo, bar):
        self.foo = foo
        self.bar = bar

for n, v in {1: 500, 2: 5000, 3: 50000}.items():
    g = nx.Graph()
    nodes = [Qux(randstring(), randstring()) for _ in range(v)]
    g.add_nodes_from(nodes)
    for node in g.nodes:
        num = random.randrange(25)
        edges = [(node, random.choice(nodes)) for _ in range(num)]
        g.add_edges_from(edges)

    print len(g.nodes), sys.getsizeof(pickle.dumps(g))
    cache.set('{}/graph'.format(n), g, 3600)

Memcached 控制台输出(memcached -I 32M -vv)

<20 new auto-negotiating client connection
20: Client using the ascii protocol
<20 set :1:1/graph 1 3600 130678 
>20 STORED
<20 delete :1:2/graph
>20 NOT_FOUND
<20 delete :1:3/graph
>20 NOT_FOUND

Answer 1

如果您查看 NetworkX 的代码，就会发现图形只不过是 python 指令。如果您需要的唯一功能是访问节点和边，那么使用字典构建图形并将文件转换为 JSON 可以让您缓存图形。向无向加权图添加边的代码本质上是这样的:

G_New = {}
for edge in edges:
    try:
        G_New[edge['node1'].update({edge['node2']: edge['weight']})
    except KeyError:
        G_New[edge['node1']] = {edge['node2']: edge['weight']}
    try:
        G_New[edge['node2']].update({edge['node1']: edge['weight']})
    except KeyError:
        G_New[edge['node2']] = {edge['node1']: edge['weight']}

之后是一个简单的json.dumps(G_New)。对于较大的图形，您可以将 dict 拆分为较小的组件并将每个组件托管在内存缓存上。因此 How to split dictionary into multiple dictionaries fast