Data structures 操作大型（不适合内存）图形的有效方法

我需要维护一个大的有向图G，可能有数百万个节点和边。它可能不适合内存

我需要在此图表上执行的一些常见操作包括：

每个节点/边将具有与之关联的用户定义属性，例如访问计数、权重等

对于每个节点（顶点），我需要根据属性值执行有效的查询。例如，查找X值大于v1但小于v2的节点。这可能需要在某些字段上建立索引

我需要找到给定节点的所有传入边和传出边，并更新边的权重

我需要从给定节点执行本地（基于DFS）遍历，并返回满足某个用户定义谓词的所有路径（该谓词可能使用路径中节点/边的属性值）

我需要高效地添加/删除节点/边。但这并不像操作1、2、3那样频繁地执行

图中可能有一些热点，它们比其他部分更容易被访问，我想将这些热点缓存在内存中

以最少的实施努力实现这一目标的有效方法是什么

我正在研究一些基于磁盘的图形数据库，例如Neo4j/InfiniteGraph/DEX。尽管它们支持上述所有操作，但这似乎有些过分，因为我不需要它们提供的很多功能，例如一致性/并发控制或基于群集的复制。另外，它们中有很多是基于Java的，我更喜欢有C/C++接口的

---

基本上，我只需要一个磁盘上的图形库，它可以有效地处理持久性、节点查询和本地遍历。你对我可以使用的现有（开源）项目有什么建议吗？如果没有，那么实现这样一个功能的最佳方式是什么？

我看到了一些包含数百万个节点的大型图。我建议你找到一个点，你应该做一个加权压缩。因此，您将使用平均值和权重，将N个节点压缩为N/M个节点。。。。然后重建图形

您可以选择每隔这么多个节点重新压缩一次。原因是，当一切都变得巨大时，从某种意义上说，你将能够随着时间的推移使其正常化

你有一个有向图。当你在大型节点上传递更大的数据时，你可以说，如果A>B>（E&D）>H，你可以说：A>H

---

它确实允许您根据节点之间的最短跳跃来确定节点之间的公共路由。如果它不在压缩列表中，它至少会指向某个区域，并且可以，这取决于。。。从某种意义上讲，已解压缩。

使用带有一些您不需要的选项的工具有什么不对？您确实需要的操作也可能在Neo4j之类的设备上更有效。