最大連結サブグラフコンポーネントの構成と実行 - Platform for AI (PAI)

Maximum Connected Subgraphアルゴリズムは、無向グラフ内の最大の接続部分を識別するために使用されます。これは、グラフ内の最大のノードセットです。無向グラフでは、パスを使用して2つのノードを接続できます。ほとんどの場合、アルゴリズムはネットワーク分析や画像処理などのシナリオで使用されます。 Maximum Connected Subgraphアルゴリズムは、深さ優先検索 (DFS) または幅優先検索 (BFS) を使用してグラフをトラバースし、すべての接続コンポーネントを識別し、最大数のノードを含むサブグラフを見つけます。

コンポーネントの設定

方法1: パイプラインページでコンポーネントを設定する

Platform for AI (PAI) コンソールのMachine Learning Designerのパイプラインページで、Maximum Connected Subgraphコンポーネントのパラメーターを設定します。下表に、各パラメーターを説明します。

タブ	パラメーター	説明
フィールド設定	Vertexを開始	エッジテーブルの開始頂点列。
フィールド設定	エンドノード	エッジテーブルの末尾の頂点列。
チューニング	労働者	並列ジョブ実行のノード数。並列性とフレームワーク通信コストの程度は、このパラメータの値とともに増加します。
	Workerあたりのメモリサイズ (MB)	ジョブで使用できるメモリの最大サイズ。単位：MB。デフォルト値: 4096 使用されているメモリのサイズがこのパラメーターの値を超えると、`OutOfMemory`エラーが報告されます。
	データ分割サイズ (MB)	データ分割サイズ。単位：MB。デフォルト値: 64。

方法2: PAIコマンドを使用する

PAIコマンドを使用して、[最大接続サブグラフ] コンポーネントのパラメーターを設定します。 SQLスクリプトコンポーネントを使用してPAIコマンドを呼び出すことができます。詳細については、「シナリオ4: SQLスクリプトコンポーネント内でPAIコマンドを実行する」をご参照ください。

PAI -name MaximalConnectedComponent
    -project algo_public
    -DinputEdgeTableName=MaximalConnectedComponent_func_test_edge
    -DfromVertexCol=flow_out_id
    -DtoVertexCol=flow_in_id
    -DoutputTableName=MaximalConnectedComponent_func_test_result;

パラメーター	必須	デフォルト値	説明
inputEdgeTableName	可	デフォルト値なし	入力エッジテーブルの名前。
inputEdgeTablePartitions	不可	フルテーブル	入力エッジテーブルのパーティション。
fromVertexCol	可	デフォルト値なし	入力エッジテーブルの開始頂点列。
toVertexCol	可	デフォルト値なし	入力エッジテーブルの末尾の頂点列。
outputTableName	可	デフォルト値なし	出力テーブルの名前。
outputTablePartitions	不可	デフォルト値なし	出力テーブルのパーティション。
ライフサイクルの設定 (Set lifecycle)	不可	デフォルト値なし	出力テーブルのライフサイクル。
workerNum	不可	デフォルト値なし	並列ジョブ実行のノード数。並列性とフレームワーク通信コストの程度は、このパラメータの値とともに増加します。
workerMem	不可	4096	ジョブで使用できるメモリの最大サイズ。単位：MB。デフォルト値: 4096 使用されているメモリのサイズがこのパラメーターの値を超えると、`OutOfMemory`エラーが報告されます。
splitSize	不可	64	データ分割サイズ。単位：MB。

例：

SQLスクリプトコンポーネントをノードとしてキャンバスに追加し、次のSQL文を実行してトレーニングデータを生成します。

drop table if exists MaximalConnectedComponent_func_test_edge;
create table MaximalConnectedComponent_func_test_edge as
select * from
(
  select '1' as flow_out_id,'2' as flow_in_id
  union all
  select '2' as flow_out_id,'3' as flow_in_id
  union all
  select '3' as flow_out_id,'4' as flow_in_id
  union all
  select '1' as flow_out_id,'4' as flow_in_id
  union all
  select 'a' as flow_out_id,'b' as flow_in_id
  union all
  select 'b' as flow_out_id,'c' as flow_in_id
)tmp;
drop table if exists MaximalConnectedComponent_func_test_result;
create table MaximalConnectedComponent_func_test_result
(
  node string,
  grp_id string
);

データ構造

SQLスクリプトコンポーネントをノードとしてキャンバスに追加し、次のPAIコマンドを実行してモデルをトレーニングします。

drop table if exists ${o1};
PAI -name MaximalConnectedComponent
    -project algo_public
    -DinputEdgeTableName=MaximalConnectedComponent_func_test_edge
    -DfromVertexCol=flow_out_id
    -DtoVertexCol=flow_in_id
    -DoutputTableName=${o1};

SQLスクリプトコンポーネントを右クリックし、[データの表示]> [SQLスクリプトの出力] を選択してトレーニング結果を表示します。
```
| node1 | grp_id |
| ----- | ------ |
| a     | c      |
| b     | c      |
| c     | c      |
| 1     | 4      |
| 2     | 4      |
| 3     | 4      |
| 4     | 4      |
```