最大連通子圖 - Platform For AI

最大連通子圖演算法用於識別無向圖中最大的連通部分，即圖中最大的節點集合，其中任意兩節點間都可通過路徑相連。該演算法常用於網路分析、影像處理等領域。它通過深度優先搜尋（DFS）或廣度優先搜尋（BFS）來遍曆圖，識別所有連通組件，再從中找出包含節點最多的子圖。

配置組件

方法一：可視化方式

在Designer工作流程頁面添加最大連通子圖組件，並在介面右側配置相關參數：

參數類型	參數	描述
欄位設定	起始節點	邊表的起點所在列。
欄位設定	結束節點	邊表的終點所在列。
執行調優	進程數量	作業並存執行的節點數。數字越大並行度越高，但是架構通訊開銷會增大。
	進程記憶體	單個作業可使用的最大記憶體量，單位：MB，預設值為4096。如果實際使用記憶體超過該值，會拋出`OutOfMemory`異常。
	資料切分大小	資料切分的大小，單位：MB，預設值為64。

方法二：PAI命令方式

使用PAI命令配置最大連通子圖組件參數。您可以使用SQL指令碼組件進行PAI命令調用，詳情請參見情境4：在SQL指令碼組件中執行PAI命令。

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

參數	是否必選	預設值	描述
inputEdgeTableName	是	無	輸入邊表名。
inputEdgeTablePartitions	否	全表讀入	輸入邊表的分區。
fromVertexCol	是	無	輸入邊表的起點所在列。
toVertexCol	是	無	輸入邊表的終點所在列。
outputTableName	是	無	輸出表名。
outputTablePartitions	否	無	輸出表的分區。
lifecycle	否	無	輸出表的生命週期。
workerNum	否	未設定	作業並存執行的節點數。數字越大並行度越高，但是架構通訊開銷會增大。
workerMem	否	4096	單個作業可使用的最大記憶體量，單位：MB，預設值為4096。如果實際使用記憶體超過該值，會拋出`OutOfMemory`異常。
splitSize	否	64	資料切分的大小，單位：MB。

使用樣本

添加SQL指令碼組件，輸入以下SQL語句產生訓練資料。

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
);

對應的資料結構圖：

添加SQL指令碼組件，輸入以下PAI命令進行訓練。

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};

右擊上一步的組件，選擇查看資料 > SQL指令碼的輸出，查看訓練結果。

| node1 | grp_id |
| ----- | ------ |
| a     | c      |
| b     | c      |
| c     | c      |
| 1     | 4      |
| 2     | 4      |
| 3     | 4      |
| 4     | 4      |