Euler中的图引擎

    图引擎是Euler的核心，它对图中常用的算法进行了良好的封装。在Euler中，图引擎通过C++实现，以tensorflow op扩展的方式供算法调用。除了提供分布式模式用于加载规模较大的图以外，Euler也提供了本地模式用于规模相对较小的图，而这两种模式实现了一致的接口，因此对使用者是透明的。

    图的表示

    图的基本构成元素是节点和边，在Euler的图引擎中也不例外。

    节点

    节点的主要包含两部分，即节点的邻居和节点的属性，除此以外，在异构图中，节点还有不同的类型。

    边

    边的主要成员则为边的源节点，目标节点，以及边的属性。和节点一样，边也有类型。

图 1

     上图中，0号节点具有3个邻居，分别是1，2，3号节点。其中，2号和3号节点属于同一类型，0号和1号节点分属另外两种类型。另外，实线和虚线分别表示两种不同类型的边。

    属性（Feature）：

    目前Euler中支持三类属性，分别为float、uint64、binary属性。虽然乍看起来这三类属性仅仅是数据类型不同，然而其用途则存在极大区别（其实这里的feature从功能上说，翻译为特征更合适）。

    Float feature：存储低维特征，通常为数值特征或one-hot编码的类别特征。

    Uint64 feature: 存储高维特征，如用户id等，即深度学习中常用的embedding类特征。

    Binary feature：存储相对原始的二进制特征，如文本描述等。在已发布的算法中，这部分特征目前尚未得到使用。