[논문 리뷰] Graph connectivity in log steps using label propagation

Burkhardt, Paul|arXiv (Cornell University)|2018. 08. 20.

Digital Image Processing Techniques인용 수 9

한 줄 요약

이 논문은 무방향 그래프 연결성에 대해 단순하고 결정적인 레이블 전파 알고리즘을 제안하며, PRAM, 스트림, MapReduce 모델에서 O(log n) 단계 내에 로그 수준의 수렴을 달성한다. 이는 교차하는 방향의 간선 전파와 최소 레이블 감소를 통해 이루어지며, 간선 수를 증가시키지 않으면서도 각 단계에서 선형 작업을 유지한다. 다양한 그래프에서 수렴 시간이 실제로 O(log n)으로 관측되기는 하나, 엄밀한 증명은 아직 열려 있는 문제이다.

ABSTRACT

The fastest deterministic algorithms for connected components take logarithmic time and perform superlinear work on a Parallel Random Access Machine (PRAM). These algorithms maintain a spanning forest by merging and compressing trees, which requires pointer-chasing operations that increase memory access latency and are limited to shared-memory systems. Many of these PRAM algorithms are also very complicated to implement. Another popular method is "leader-contraction" where the challenge is to select a constant fraction of leaders that are adjacent to a constant fraction of non-leaders with high probability. Instead we investigate label propagation because it is deterministic and does not rely on pointer-chasing. Label propagation exchanges representative labels within a component using simple graph traversal, but it is inherently difficult to complete in a sublinear number of steps. We are able to solve the problems with label propagation for graph connectivity. We introduce a surprisingly simple framework for deterministic graph connectivity using label propagation that is easily adaptable to many computational models. It propagates directed edges and alternates edge direction to achieve linear edge count each step and sublinear convergence. We present new algorithms in PRAM, Stream, and MapReduce for a simple, undirected graph $G=(V,E)$ with $n=|V|$ vertices, $m=|E|$ edges. Our approach takes $O(m)$ work each step, but we can only prove logarithmic convergence on a path graph. It was conjectured by Liu and Tarjan (2019) to take $O(\log n)$ steps or possibly $O(\log^2 n)$ steps. We leave the proof of convergence as an open problem.

연구 동기 및 목표

• 포인터 추적과 복잡한 간선 관리 없이도 간단하고 쉽게 구현 가능한 결정적 그래프 연결성 알고리즘을 개발하는 것.
• 다양한 계산 모델에서 프로세서 수에 관계없이 로그 수준의 수렴 시간을 달성하는 것.
• 그래프 내 간선 수를 증가시키지 않으면서도 각 단계에서 O(m) 작업을 유지하는 것.
• 최소한의 구현 복잡도로 PRAM, 스트림, MapReduce 모델에 적응 가능한 프레임워크를 제공하는 것.
• 경우의 수가 많은 그래프 유형, 특히 경로 그래프, 격자 기반 그래프, 실제 세계 네트워크에서의 수렴 속도를 경험적으로 검증하는 것.

제안 방법

• 양방향 최소 레이블 교환을 가능하게 하기 위해 교차하는 방향으로 간선에 대해 레이블 전파를 수행한다.
• 각 간선 (v, u)에 대해, u의 현재 최소 레이블 l(u)이 v의 레이블와 다를 경우, 알고리즘은 l(v)를 u로 전파한다; 그렇지 않으면 대칭화가 적용된다.
• 각 단계에서 정점 레이블에 대해 최소 감소를 수행하여, 각 연결 성분 내에서 가장 작은 정점 ID로 레이블이 전파되도록 보장한다.
• 동기화 없이도 정확성을 확보하기 위해 원자적 compare-and-swap 연산을 사용하여 간선 목록을 병렬로 업데이트한다.
• 레이블 변경 수를 세는 카운터를 사용하며, 더 이상 레이블 업데이트가 발생하지 않을 때 알고리즘이 종료되어 별도의 루트를 갖는 스타 그래프로 수렴함을 나타낸다.
• 각 단계에서 각 간선을 새로운 간선으로 교체함으로써 간선 수를 안정적으로 유지하며, 반복마다 O(m) 작업을 유지한다.

실험 결과

연구 질문

• RQ1 레이블 전파가 간선 수를 증가시키지 않으면서도 그래프 연결성에 대해 비선형 수렴을 달성할 수 있는가?
• RQ2 포인터 추적과 복잡한 동기화를 피하면서도 결정적이고 단순하며 확장 가능한 연결 성분 알고리즘을 설계할 수 있는가?
• RQ3 교차 전파 및 최소 감소 전략이 일반 그래프에서 O(log n) 수렴을 이끌 수 있는가?
• RQ4 고직경 경로와 다리 노드가 있는 격자 기반 그래프와 같은 어려운 그래프 유형에서 알고리즘의 성능은 어떠한가?
• RQ5 PRAM, 스트림, MapReduce와 같은 다양한 계산 모델에 효율적으로 적응시킬 수 있는가?

주요 결과

• 경로 그래프에서는 O(log n) 단계 내에 수렴하며, φ ≈ 1.618인 logφ n 예측과 일치하며, 완료 테스트를 위한 추가로 한 단계가 더 필요하다.
• 큰 경로 그래프(예: seqpath26, 6700만 개 정점)에서는 40단계 내에 수렴하며, 이는 이론적 예측과 밀접하게 일치한다.
• 다리 노드가 있는 격자 기반 그래프(예: grid-0to16777216by24)에서는 직경 D에 대해 선형 수렴을 보이며, D=48일 경우 26단계가 소요된다.
• com-Friendster 및 com-Orkut와 같은 실제 세계 네트워크에서는 크기가 크고 직경이 낮음에도 불구하고 각각 9단계와 6단계 내에 수렴한다.
• 모든 테스트된 실제 세계 그래프에서 O(log n) 수렴을 달성하여 실용적인 확장성과 프로세서 수에 대한 독립성을 입증한다.
• 현행 최고 수준의 성능에 못 미치지만, 단순성과 빠른 수렴 덕분에 향후 크게 향상될 잠재력이 있다.