背景
为什么做GNN?
在大数据的背景下，利用高速计算机去发现数据中的规律似乎是最有效的手段。为了让机器计算的有目的性，需要将人的知识作为输入。我们先后经历了专家系统、经典机器学习、深度学习三个阶段，输入的知识由具体到抽象，由具体规则到特征再到模式，越来越宏观。相对来说，抽象的层次变高了，覆盖面变广了，但我们对底层的感知变弱了，模型的可解释程度变差了。事物发展往往遵循这样的规律，先有客观事实，再有原理支撑，之后是普遍推广。深度学习的应用已经让我们看到了非常可观的价值，但其背后的可解释性工作进展缓慢，也因为如此，当我们用深度学习去解决一些风控、安全等业务场景，那数字效果不足以支撑这项技术的应用，我们更需要知道结果后面的原因。
Graph是知识的载体，其间的实体联系蕴含了很强的因果关系。重要的是，这是一种直观的、人们能够读懂的结构。把Graph作为知识支撑，利用深度学习的泛化技术，看上去是一个可行的方向，在某些问题上，离我们的可解释性目标更近了一步。各种深度学习相关的顶会在近年来的paper分布上，图神经网络（GNN）一直处于蓬勃态势。GNN不一定是可解释性的全部，但对于集团内复杂的生态网数据，无论从技术储备还是业务效果上来说，都是一个非常值得投入的方向。
再者说，GNN是一种解决问题的思路，覆盖范围很广，不仅仅是为了学Graph而存在。目前基于行为历史的搜索推荐类算法，都可以纳入到GNN范式，而这类算法在集团内有着大规模应用。用Graph去组织历史数据，相比现有方式信息量只增不减，理论上模型效果会更好。
面向哪些用户
相比CNN、RNN等成熟技术而言，GNN还处于探索阶段，Graph之于GNN，不如图像之于CNN、自然语言之于RNN来的理所当然。即便有Graph数据，如何使用GNN没有可遵循的固定模式，更没有沉淀下来的类似卷积一样的算子可直接调用。GNN的有效性需要更多的场景去验证，而每一个场景都需要开发者的深入理解，开发者有能力处理Graph数据和编写之上的深度学习模型。有了百花齐放的应用场景做铺垫，才有可能抽象出共性的GNN算子，再将这些相对成熟的能力赋给使用者，GNN才会真正的推广开来。出于这些考虑，比起开发一个成熟算法供用户使用，平台当前阶段会更侧重提供API给开发者，让开发者有能力贴近自己的场景去实现GNN。
另一方面，Graph大多是场景相关，一个电商场景的图和社交网络的图有本质不同，不仅仅是数据构成上，上层的模型计算也很大程度不一样。这是另外一点与图像和自然语言的区别，后两者在不同的场景间具有较好的可复用性，或是结果可复用（FineTune），或是计算模型复用。所以GNN的应用需要更贴近场景，由开发者定制化，平台需要尽可能降低开发成本，加快模型迭代频率。
什么样的产品？
早期的GNN称为GraphEmbedding更合适，因为整个模型的输出就是顶点或边的向量化表示，如RandomWalk、Node2Vec，这些向量通过学习Graph本身得到，不涉及跟上层业务的关联。这些向量会作为业务模型的输入，构建深度神经网络。很多深度学习模型调优的经验告诉我们，端到端训练往往带来更多的效果收益，对于贴近场景解决问题的开发者来说，结合业务进行端到端训练而不是只学习Graph本身，方案更为彻底。再者，端到端会省去巨大的中间过程开销，如TB级的训练样本和向量临时存盘。退一步讲，只学习Graph本身的过程是端到端的一个特例，如果需要，完全可以退化成这样。端到端对用户是友好的，在一套IDE里，用户既可以操作复杂的Graph数据，又可以将数据与深度神经网络对接，自由编写上层模型，而不是靠多套系统的拼凑来完成。
所以，我们定位为一个GNN平台，可扩展且与生态兼容，面向GNN开发者提供一体化的解决方案，同时能将通过场景打磨的成熟算法沉淀到平台，推广GNN的应用，致力于为可解释的AI做技术储备。这是一个长期投入的过程，平台作为载体，需要厚实的底座。针对集团内现状，前期我们优先解决图数据与深度学习框架的对接，让二者高效的bridge起来，再投入到GNN编程模型的建设。
技术栈
AliGraph涵盖了从原始图数据到GNN应用的整体链路，把GNN算法的探索成本降低到和传统深度学习算法同等水平。平台可以分层来看：数据层，引擎层，应用层。
数据层，支持大规模同构图、异构图、属性图。数据无需提前build好，平台提供API来简化数据解析和建图的过程。数据层接口易扩展，方便对接不同格式、不同介质的Graph数据。
引擎层，包含Graph Engine和Tensor Engine。Graph Engine又可分为逻辑对象层与算子层。逻辑对象层，描述的是把原始数据加载到系统后展现给用户的形态是什么。每一个对象实体都会提供相关的语义接口，比如对于一个Graph对象而言，可以获取图的拓扑信息、异构程度、点边数量等。对于用户而言，实际使用中只需要声明一个逻辑对象并指定其数据源即可。
import aligraph as ag
g = ag.Graph(...)
print(g.get_topology())
算子层，在逻辑对象之上可以进行的计算操作。比如对于Graph对象而言，支持各种Sampler算子，用于对上层GNN算法提供输入。算子层具有很强的扩展性，以满足场景多样化对算子种类的需求。目前，内置支持的算子围绕GNN算法及生态展开，包括图查询、图采样、负采样、KNN等。后续我们会开放支持算子开发的SDK，允许用户自定义算子。
s = g.negative_sampler(type="by_indegree", ...)
print(s.get(ids))
Tensor Engine指深度学习引擎，如TensorFlow、PyTorch，或者其他支持Python接口的Library。Graph Engine的输出为格式对齐的NumPy对象，可无缝与深度学习引擎对接。GNN开发者可自由编写Graph之上的NN逻辑，并可与业务需求相结合，组成一个深度网络模型进行端到端训练。
应用层，强调与业务端到端结合，而非把Graph Embedding的结果割裂开使用。经场景打磨的成熟算法，也会沉淀到应用层，以算法组件的形式提供给用户。
系统实现
一体化框架
由GCN框架引申，典型的GNN编程范式可概括如下，系统是为了高效支持该范式而设计。
其中，向量化和聚合操作可以利用深度学习引擎的表达能力，因此，为实现上述计算模式，主要在于图相关的操作以及这些操作如何与深度学习引擎对接。我们将技术栈细化成如下图所示，其中Storage、Sampler、Operator是系统要解决的主要问题。信息自底向上在层与层之间前向传播，梯度则自顶向下更新每一层的参数，整个GNN应用在一张深度网络里描述。Storage层的Graph对象是逻辑存储，在其之下有一层抽象的文件接口，可适配多种数据源，这是系统具备可迁移性的前提。Sampler提供丰富的算子，且可独立扩展，不依赖系统框架，满足多样化的需求。Operator进行图语义操作的封装，把性能优化、数据对接隐藏在简洁的接口之下。
高效图引擎
再具体的，图引擎是连接图数据与深度学习框架的桥梁，保证数据传递的高效与稳定。这里的图操作是面向GNN的，和一般意义的图计算有很大区别。Graph Engine是一个分布式服务，具有高性能和高可用的特点，支持百亿级边的异构图在2分钟以内完成构建、十毫秒级按batch多跳跨机采样，支持从失败中状态无损的failover。Graph Engine内部深度优化了RPC过程，实现了数据零拷贝，并且Server间的连接是线程级的，在最大化带宽利用率的同时，每个线程可独立无锁的处理请求。这也是系统性能优异的主要原因。此外，我们通过有效的Cache、去中心化等手段来加速采样和负采样，性能具有明显提升。关于线程模型、Cache加速等细节可参考AliGraph paper。
算子可扩展
为支持GNN的快速发展需求，系统允许算子自由扩展。系统框架包括用户接口、分布式运行时、分布式存储，3大部分。通过用户接口调用某个算子，算子读取数据并完成分布式计算。我们把分布式运行时和存储的接口进行提炼，将编程接口控制在安全范围内，用户可以基于这些接口开发一个自定义的算子。自定义算子可以统一注册到用户接口上，无需新增用户API。具体的，每种Operator都是一个分布式算子，计算所需的数据会分布在Service的各个Server上，我们抽象了Partition()和Stitch()语义，Partition()用于把计算请求拆分并转发到对应的Server上，保证数据和计算colocate从而避免数据搬迁的代价，Stitch()则把每个Server的结果进行整合。Operator还需实现Process()，用于本地计算，数据序列化、分布式通信等则无需关心。
举个例子，KNN可以检测点与点的相似性（向量召回），再基于相似性来“构图”，因此可作为GNN生态的一部分。基于上述抽象框架，我们把KNN作为一种算子，很容易的实现了大规模KNN。除了作为扩展算子的编程框架，Partition()和Stitch()也可做为Message Passing编程的基础组成部分。
灵活的部署
整体上看，GraphEngine是典型的CS架构。轻量级的Client，可嵌入到TF、PyTorch等主流的DL框架使用。Client不做任何数据切片、转发、合并等操作，只是把Request发给对应的Server。Client与Server的连接是一个抽象的Channel，可以是RPC Channel，也可以是In Memory Channel，这也使得AliGraph有灵活的部署方式，即可以独立Service部署，也可以和TF等同进程部署，只要Channel联通Client与Server即可。轻量Client的另一个好处是可以作为Server之间通信的载体，而无需对Server间相互通信再开发新的协议。
效果
系统
数据种类：支持同构图、异构图、属性图，有向图、无向图，与ODPS数据无缝对接。
数据规模：支持百亿级边、十亿级顶点的超大规模图（原始存储TB级）。
算子种类：支持几十种可与深度学习相结合的图查询、采样算子，支持向量检索，支持算子按需自定义。
性能指标：支持分钟级超大规模图构建，毫秒级多跳异构图采样，毫秒级大规模向量检索。
用户接口：与PAI-TF构成一体化IDE，支持notebook，开发成本相比一般TF模型无异。
算法
已支持业界主流的GraphEmbedding算法，包括：DeepWalk、Node2Vec、GraphSAGE、GATNE等。多种自研算法正在计划公开，已发表的相关paper参考如下。
Representation Learning for Attributed Multiplex Heterogeneous Network. KDD, 2019.
Is a Single Vector Enough? Exploring Node Polysemy for Network Embedding. KDD, 2019.
Towards Knowledge-Based Personalized Product Description Generation in E-commerce. KDD, 2019.
Sequential Scenario-Specific Meta Learner for Online Recommendation. KDD, 2019.
AliGraph: A Comprehensive Graph Neural Network Platform. VLDB, 2019.
Large Scale Evolving Graphs with Burst Detection. IJCAI, 2019.
Hierarchical Representation Learning for Bipartite Graphs. IJCAI, 2019.
Cognitive Graph for Multi-Hop Reading Comprehension at Scale. ACL, 2019.
业务
在集团内，已覆盖淘宝推荐搜索、新零售、网络安全、线上支付、优酷、阿里健康等相关业务，百亿级边、十亿级顶点的异构图，单任务节省300TB存储、万CPU时算力，训练时间缩短2/3，线上CTR提升12%。
此外，AliGraph已在阿里云机器学习PAI发布，为更多客户提供服务。我们希望看到GNN为更多的场景带去更优的解决方案，也希望更多的研究者愿意投入到这个方向。
获奖
荣获2019世界人工智能大会最高荣誉SAIL奖项。
本文作者：赵昆
本文为云栖社区原创内容，未经允许不得转载。
