周强- GeaFlow：蚂蚁集团自研流式图计算引擎及其应用

图的定义与优势：图是由顶点集和边集构成的数据结构（G=(V,E)），能够清晰揭示复杂模式，尤其在社交、物流、金融风控等领域效果显著。图的优势包括维度提升、高效查询分析、方便自然的数据建模。
图的场景应用：社交网络（关系查询）、协同推荐、相似度算法推荐、知识图谱（关系挖掘、最短路径分析）、金融风控（用户行为检测、异常群体发现）。
传统与实时图计算对比：传统图计算基于离线图数据库，适用于静态数据大规模计算；实时图计算则处理实时关系数据，进行时序增量图计算。
传统实时计算与实时图计算对比：传统实时计算处理关系数据流，实时分析图数据流则进行图计算实时分析，数据结构升维。
发展历程：GeaFlow从2017年研发起，历经流图融合计算（支持双11实时反套现）、仿真能力（基于流图的回溯）、图探索能力（研判、血缘分析）、动态时序图能力（增量时序实时计算、风控团伙挖掘）。

GeaFlow概述：蚂蚁自研实时图计算系统，核心特性包括简洁DSL化研发能力、融合一体化执行、多模支持（流、图）、动态分布式图计算。
整体架构：基于GraphView的核心API，HybridDSL（SQL+Gremlin）统一执行计划，以图为中心融合多种计算模态，云化状态管理，Ray分布式执行引擎，GraphStore统一图存储。
核心特性：
- 动态计算：结合数据流和控制流，从静态DAG走向动态DAG，优势在于按需计算、弹性扩缩、扩宽算力。
- 融合计算：流图融合计算打破传统计算边界，优势在于一体化开发、降低运维成本。
- 分布式Gremlin：基于GeaFlow构建Gremlin分布式执行语义，支持子图查询、多度遍历和子图匹配，创新于GremlinServer方案。
- 一体化DSL：SQLPlus（Gremlin）优势在于一体化编程、降低数据开发门槛。
- 离线实时一体化：图特征定义、上线下线观察、持续运行，针对图仿真进行合理抽象，基于图数据和历史请求进行流式回放，性能大幅提升。

金融风控：实时团伙挖掘：
- 场景：账户风险识别、反作弊，通过黑产的聚集性使用社区划分、社区搜索等算法进行群组挖掘。
- 特点：构建金融级账号网络，流式增量构图和计算，秒级时效性，流+图打造实时图计算，低延迟高吞吐，实时仿真一体化可验证。
- 对比：基于SparkGraphX全量群组挖掘（亿级点边，小时级时效性） vs. GeaFlow增量实时群组挖掘（百/千亿级点边，秒级时效性）。
- 效果：秒级实时团伙挖掘支持6+深度扩展挖掘，离线实时一体化效能提升7X，支持百/千亿级规模时序图计算。
增量时序图计算：通过IncrementalProcessSource、Source、GraphProcessSink等组件实现流式处理和迭代计算。