好，古老且未解决的问题！据我所知（作为一个图形专家）分布式处理大图有两种不同的方法，有或没有大数据框架的知识。

来自斯坦福大学 Jure Leskovec 小组的SNAP库，它最初使用 C++，但也有 Python API（请检查您是否需要使用 C++ API 或 Python 完成您想做的工作）。使用 snap，您可以在海量网络上做很多事情，而无需任何大数据技术的特殊知识。所以我会说最简单的一个。

仅当您有 Scala 经验时，使用 Apache Graphx 才是美妙的，因为没有 Python 的东西。它带有大量内置算法，包括中心性度量。如果您了解 Scala，那么第二个最简单的方法。

很久以前，当我查看 GraphLab 时，它是商业的。现在我看到它是开源的，所以也许你比我更了解，但根据我过时的知识，我记得它不支持广泛的算法，如果你需要一个不存在的算法，实现起来可能会很复杂。另一方面，它使用很酷的 Python。毕竟，请再次检查它，因为我的知识是 3 年前的。

如果您熟悉大数据框架并使用它们，Giraph和Gradoop是两个不错的选择。两者都做得很好，但您需要了解一些大数据架构，例如使用 hadoop 平台。

附言

1) 我使用简单的 NetworkX 和多处理来分布式处理具有 400,000 个节点的 DBLP 网络，并且效果很好，所以你需要知道你的图有多大。

2）毕竟，我认为SNAP库是一个方便的东西。

目前，Apache 开发了一个名为 PySpark 的强大 API。您可以直接从命令行设置Graphframes 。pyspark从您的 shell 终端启动：

pyspark --packages graphframes:graphframes:0.6.0-spark2.3-s_2.11

您可以完全python使用graphframesAPI 开发代码。试试下面的示例代码

# Create a Vertex DataFrame with unique ID column "id"
v = sqlContext.createDataFrame([
    ("a", "Alice", 34),
    ("b", "Bob", 36),
    ("c", "Charlie", 30),
    ], ["id", "name", "age"])

# Create an Edge DataFrame with "src" and "dst" columns
e = sqlContext.createDataFrame([
    ("a", "b", "friend"),
    ("b", "c", "follow"),
    ("c", "b", "follow"),
    ], ["src", "dst", "relationship"])

# Create a GraphFrame
from graphframes import *
g = GraphFrame(v, e)

# Query: Get in-degree of each vertex.
g.inDegrees.show()

# Query: Count the number of "follow" connections in the graph.
g.edges.filter("relationship = 'follow'").count()

# Run PageRank algorithm, and show results.
results = g.pageRank(resetProbability=0.01, maxIter=20)
results.vertices.select("id", "pagerank").show()

上面我们可以pageRank从 graph计算g。PySpark 上已经使用 Graphframes 实现了几种算法。我希望我有所帮助。

GraphBLAS：线性代数语言中的图算法

在分布式和并行图算法方面，2017-2020 年有很多激进的创新。

GraphBLAS本身为创建更高级的算法提供了构建块。

如果您想要更复杂的算法，例如 PageRank 和 ConnectedCompoments，您可以查看LAGraph：一个库和一个用于收集使用 GraphBLAS 的算法的测试工具。

哦，看看gunrock 的 GraphBLAST，如果你有兴趣在你的 GPU 上运行图算法。

由于您使用的是 Python，因此您可能希望将GraphBLAS 用于 Python