1. PowerGraph https://blog.csdn.net/qq_36940806/article/details/101712070 https://blog.csdn.net/zcf1002797280/article/details/50334069

      PowerGraph针对Natural Graphs ，主要的创新有两点.第一，采用点切分策略，来保证整个集群的均衡性，该策略对大量密率图分区是非常高效的。第二，提出了GAS计算模型，将高维度的点进行并行化。

    2. graphchi https://blog.csdn.net/codeera/article/details/46385711

    https://blog.csdn.net/wzu12345678/article/details/50751237

    Graphchi将图中所有顶点按id由小到大划分成几个区间（interval），然后每个区间对应一个shard用来存放该区间内所有顶点的入边（边先按目的点排序再按源点排序），这样就完成了图的划分。图算法执行时将各个interval及对应shard中的入边(memory shard)和聚集其他shard中的出边（sliding shard）载入内存进行处理。

    1. graphlab https://blog.csdn.net/kevinsf1993/article/details/51180294

    https://www.cnblogs.com/zfyouxi/p/5093493.html

    1. GAP https://zhuanlan.zhihu.com/p/212440897
    2. powerlyra https://zhuanlan.zhihu.com/p/38006401
    3. 其他点分割 wxnew-2020410114942.pdf
    4. improving_graphchi

    5. graphicionado https://blog.csdn.net/vinacky/article/details/79762449

      片上存储大小有限，如何合理使用内存，划分图进行处理。 A. 分割一般图 步骤：1. 根据顶点ID将其分成N份（边的保留依据终点的位置，避免写冲突）

      1.   2.  对每一个分块迭代执行之前所描述的计算步骤

      B. 对称图 1.生成一个有向图，所有保留的边均为大id指向小id；

      1. 一共分成N(N+1)/2份，划分成为N份顶点，边的保留分别为其中每两个点集合的一个组合。 文中给了一个调度的图表，因为这样的处理，更新部分必须要在这个点的集合都计算了一遍。 C. 粗化边的ID表



    7.