计算大数据上的node_centrality和edge_centrality的性能问题

Question

我的本地Osm文件包含德国的过滤数据(通过OSMFilter过滤)，其中只包含以下高速公路

1. 高速公路
2. motorway_link
3. 中继线
4. trunk_link
5. 主要的
6. primary_link
7. 次要
8. secondary_link
9. 第三产业
10. tertiary_link
11. 住宅
12. living_street

我试图简化图形和提取重要的信息，以尽量减少我的道路网络。我遵循了以下步骤

1. G3 = ox.simplify_graph(G，strict=True)
2. G3 = ox.add_edge_lengths(G3)；
3. G3 = ox.remove_isolated_nodes(G3)；
4. node_centrality = nx.closeness_centrality(G3)
5. nx.set_node_attributes(G3，node_centrality，'node_centrality')
6. edge_centrality = nx.closeness_centrality(nx.line_graph(G3))
7. nx.set_edge_attributes(G3，edge_centrality，'edge_centrality')
8. ox.save_load.save_graphml(G3，.，.)

它已经等了一整天才看到GraphML的输出，但没有看到任何进展。。我认为edge_centrality和edge_centrality是很高的计算函数，但是如何将这些函数用于数据呢？

Answer 1

哪个具体步骤是考虑长运行时的问题？当networkx计算这些度量时，考虑到算法的时间复杂性，在庞大的网络(例如整个德国的网络)中，它们将不可避免地慢下来。如果networkx是一个瓶颈，考虑转换为图形工具并在那里运行算法。