社交網(wǎng)絡已經(jīng)將互聯(lián)網(wǎng)變成了一張復雜的人際關系網(wǎng)。社交圖形分析為人們提供了一種解讀這些人際關系的方法。

由于能夠幫助人們識別個人在群體、人際關系和影響等環(huán)境中可能做出的行為，社交圖形模型已經(jīng)成為人類行為精確預測模型的強大推動因素。通過聚集人類行為和互動活動，這些模型使得我們能夠近距離地仔細評估客戶體驗。

如果你僅對一些人感興趣，僅對將他們彼此相連的某一類關系展開研究，或是僅對他們相關行為數(shù)據(jù)的某個靜態(tài)池(static pool)進行數(shù)據(jù)挖掘，那么社交圖形分析將會讓這些任務變得簡單起來。另一方面，如果你正嘗試評估地球上每個人、每個地方和每件事情之間每個潛在關系的轉變模式，以及他們彼此之間可能說的話，并且想動態(tài)地、實時地精準預測他們在未來每個節(jié)點上可能要做的事情，那么你無疑正生活在一個科幻世界里。

如今人們已經(jīng)開始逐漸意識到社交圖形分析所具備的潛力將擴展一些應用在公共、私人和研究領域內(nèi)的應用范圍。目前，社交圖形分析正迅速發(fā)展為大數(shù)據(jù)市場中一個最具前景的新領域，成為了諸多商業(yè)和開源圖形數(shù)據(jù)庫的核心應用。在許多行業(yè)中，社交圖形分析已經(jīng)讓反欺詐、影響力分析、情緒監(jiān)控、市場細分、互動程度優(yōu)化、用戶體驗優(yōu)化等功能，以及需要快速識別復雜行為模式的應用變得更加強大。

為了獲得這些潛在優(yōu)勢，社交圖形分析需要使用大量的大數(shù)據(jù)資源。最起碼，你要能夠像繪制節(jié)點和鏈接網(wǎng)絡那樣繪制出實體與人際關系的社交圖形模型，或是繪制出個人與相關聯(lián)系的社交圖形模型。此外，圖形分析人員還會使用“頂點”和“邊”等概念。目前我們已經(jīng)聽說了一些大規(guī)模并行公共圖形分析基礎設施，這些基礎設施能夠處理由4.4萬億個節(jié)點(記錄)和70萬億條邊(這些記錄之間的關系)組成的圖形。目前Facebook自有的社交圖形分析基礎設施能夠處理數(shù)十億個節(jié)點和近萬億條邊。

仔細想一下：網(wǎng)絡級圖形分析創(chuàng)新方案已經(jīng)投入大規(guī)模使用，例如存儲處理、內(nèi)存、互聯(lián)、數(shù)據(jù)中心建設、能耗等，它幾乎能夠讓任何一個你能說出名字的大數(shù)據(jù)部署相形見絀。隨著圖形模型大小的迅速膨脹，數(shù)據(jù)來源范圍的不斷擴展，所處理的工作負載在數(shù)量、類型和并發(fā)次數(shù)上的不斷增長，對實時低延遲速度的需求提升至了一個新高度，擴展性需求無疑也在迅速增長。

圖形分析將推動大數(shù)據(jù)向更大規(guī)模和更復雜的程度發(fā)展。Hadoop只是這一發(fā)展過程中的一個分支，它們未必就是核心。隨著專門用于發(fā)現(xiàn)、關聯(lián)和預處理來自各種可能源的行為數(shù)據(jù)的NoSQL數(shù)據(jù)庫應用范圍日益廣泛，內(nèi)存大規(guī)模并行圖形數(shù)據(jù)庫架構將會嶄露頭角。

如果你十分關注圖形分析，那么你需要提升應對大數(shù)據(jù)的三個V(即大量化、快速化和多樣化)的能力，以更為高效地處理它們。隨著組件成本的下降和量子計算架構取得進展，大量機構運行艾字節(jié)級(Exabyte)、零延遲、全內(nèi)存全球圖形分析云將有可能成為現(xiàn)實。