概述

Euler-2.0 新增功能

GQL图查询语言

点和边的属性索引

Message passing接口

Model Examples

基础教程

编译安装

数据准备

快速开始

进阶教程

总览

在无属性图上的应用

在有属性图上的应用

在异质图上的应用

在知识图谱上的应用

在图分类上的应用

在大规模图上的应用

点和边的属性索引的应用

详细接口

Euler-2.0 OP

Euler-2.0 C++ API

联系我们

如果有任何问题，请直接提交issues，也欢迎通过Euler开源技术支持邮件组（euler-opensource@list.alibaba-inc.com）联系我们。

License

Euler使用Apache-2.0许可

致谢

Euler由阿里妈妈工程平台团队与搜索广告算法团队共同探讨与开发，也获得了阿里妈妈多个团队的大力支持。同时也特别感谢蚂蚁金服的机器学习团队，项目早期的一些技术交流给予我们的帮助。

Euler 2.0 快速上手指南

Euler 是阿里巴巴开源的高性能分布式图深度学习框架，支持大规模图数据的处理与建模。本指南将帮助您快速完成环境搭建并运行第一个示例。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统: Linux (推荐 Ubuntu 16.04/18.04 或 CentOS 7)
• 编译器: GCC 5.4.0 或更高版本 (需支持 C++14)
• 构建工具: CMake 3.10.0 或更高版本
• 依赖库:
  • Python 3.6+
  • TensorFlow 1.12+ (用于模型训练部分)
  • Protobuf 3.0.0+
  • gflags, glog, gtest
• 网络: 建议配置国内镜像源以加速依赖下载（如阿里云、清华源等）。

2. 安装步骤

2.1 克隆代码

从 GitHub 获取源代码：

git clone https://github.com/alibaba/euler.git
cd euler

2.2 编译与安装

Euler 采用 CMake 进行构建。在项目根目录下执行以下命令进行编译和安装：

# 创建构建目录
mkdir build && cd build

# 配置构建选项 (默认安装路径为 /usr/local)
cmake .. -DCMAKE_BUILD_TYPE=Release

# 编译 (建议使用 -j 参数并行加速)
make -j$(nproc)

# 安装 (可能需要 sudo 权限)
sudo make install

提示：如果仅需使用 Python 接口，确保编译过程中检测到正确的 Python 和 TensorFlow 路径。如有需要，可通过 -DPYTHON_EXECUTABLE 或 -DTENSORFLOW_PATH 指定具体路径。

3. 基本使用

以下是一个最简单的示例，演示如何加载图数据并执行基础的邻居采样操作。

3.1 准备数据

Euler 支持多种数据格式，最基础的是边列表文件（edge list）。创建一个名为 test_data 的目录并生成简单的测试数据：

mkdir -p test_data
echo "0 1" > test_data/edges.txt
echo "0 2" >> test_data/edges.txt
echo "1 2" >> test_data/edges.txt
echo "2 3" >> test_data/edges.txt

3.2 运行 Python 示例

创建一个 Python 脚本 quick_start.py，执行图初始化与采样：

import euler as eu

# 1. 初始化图服务
eu.init()

# 2. 加载图数据 (假设节点 ID 从 0 开始连续)
# 实际生产中通常使用更复杂的 DataSource 配置
ds = eu.DataSet("test_data")
graph = eu.Graph(ds)

# 3. 执行邻居采样 (从节点 0 采样 2 个一阶邻居)
src_nodes = [0]
num_neighbors = 2
neighbors = graph.sample_neighbors(src_nodes, num_neighbors)

print("Source nodes:", src_nodes)
print("Sampled neighbors:", neighbors)

# 4. 关闭服务
eu.shutdown()

3.3 执行脚本

确保 LD_LIBRARY_PATH 包含 Euler 的安装库路径，然后运行脚本：

export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
python quick_start.py

如果输出显示了采样的邻居节点 ID，则表示 Euler 已成功运行。接下来您可以参考进阶教程探索 GQL 查询、属性索引及复杂的图神经网络模型构建。