图分析算法特性价值
鲲鹏BoostKit图分析算法库是经过优化的算法库，兼容Spark原生API，对典型图分析算法进行了性能优化，大幅提升了大规模场景的图分析算法计算性能
高性能
相比开源算法，性能实现倍级提升，支持更大规模数据集
覆盖全
覆盖社团挖掘、中心性分析、路径分析、图表示学习、拓扑度量以及相似性分析六类常用算法类型
易部署
与原生Spark算法保持完全一致的类和接口定义，无需上层应用做任何修改
基于原生算法，做了哪些创新优化
鲲鹏亲和性能优化
为了充分匹配和发挥鲲鹏架构的硬件优势，鲲鹏BoostKit从稀疏访存优化、多核并行等方面进行算法亲和性优化。
稀疏访存优化
图数据存储具有稀疏特性，节点的邻居访问产生大量随机访存操作，算法性能下降严重，BoostKit算法库充分利用Cache容量，对邻居信息进行压缩存储，减少随机访存次数，提升Cache命中率，进而提升访存效率。
多核并行计算
数据通信量大造成多核并行CPU利用率低，鲲鹏BoostKit针对性优化数据分区与通信量，提升多核并行计算效率。
快速使用算法库
'%20offset='0%25'%3e%3c/stop%3e%3cstop%20stop-color='%23969696'%20offset='100%25'%3e%3c/stop%3e%3c/linearGradient%3e%3c/defs%3e%3cg%20transform='translate(-536.0%20-2236.0)'%3e%3cg%20clip-path='url(%23i0)'%3e%3cg%20transform='translate(292.0000000000015%202208.0)'%3e%3cg%20transform='translate(242.02910884378161%2029.0)'%3e%3cpath%20d='M0,5.50423926%20L44.1917823,5.50423926%20L37.6765971,0'%20stroke='url(%23i1)'%20stroke-width='2'%20fill='none'%20stroke-miterlimit='10'%3e%3c/path%3e%3c/g%3e%3c/g%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
准备集群环境
获取算法包
软件编译
软件安装
运行验证
根据集群实际部署场景，选择参考Spark鲲鹏集群环境部署或Spark混部集群部署
学习资源
介绍类：大数据进阶算法，分析性能提升20倍
介绍大数据进阶算法关键技术和创新点，并以GBDT算法为例演示了算法库的使用
操作类：如何安装图分析算法加速库
以安装图分析算法库1.3.0版本为例，使能图分析算法库，验证其相比于原生算法的优化效果
相关文档
提供配套技术文档，帮助开发者深入了解算法库
《基于鲲鹏的分布式图分析算法实战》
介绍图分析算法原理和优化技术，并结合案例解析鲲鹏BoostKit大数据图分析算法库实战应用