原来GNN这么好上手，OMG！用它！
引言
GraphLearn（GL）是阿里巴巴开源的一个大规模图神经网络平台，本文将对GL的接口做基本介绍，帮助用户快速上手。项目地址：https://github.com/alibaba/graph-learn 。
图神经网络（Graph Neural Networks, GNNs）将深度神经网络技术应用于图结构上，通过递归地聚合邻域特征信息来表征顶点，GNNs的算法框架通常为Sample-Aggregate-Combine，如下Algorithm 1所示。
GNNs应用在推荐系统、数据挖掘、自然语言处理、知识图谱等领域中，比如在阿里的一个典型的推荐场景中，利用“用户-商品”，“商品-商品”的二部图预测一个用户是否会购买某个商品。
根据图神经网络的Sample-Aggregate-Combine框架，我们不难想象，一个完整的图神经网络的任务从端到端，可以粗略地分为图数据准备、构图、采样、查询、模型构建、训练、预测几个阶段。
从一键运行到深度定制
GL基于大规模异构图的场景，提供了一套简洁灵活的API，加速图神经网络的开发。
图神经网络学习有两种方式，一种是在全图上通过邻接矩阵计算，比如GCN/GAT等算法，这种方式受到内存的限制；另一种方式是对图采样，做mini-batch的计算，比如GraphSAGE等，这种方式更具有扩展性。GL支持这两大类型的算法，提供了GraphEngine API、Data Model API以及Graph learning models。
Graph Engine构造了一个全局唯一的Graph对象，在这个对象上进行查询、采样等操作。基于Graph Engine的接口，你可以遍历图、得到邻居样本、得到所需属性，从而自己组织数据，构造模型。
Data Model是GL的基础数据模型，由种子节点（seed nodes/edges）和邻域（receptive fields /multi-hops neighbors）组成。通过上层的Encoders可以转换为多种NN引擎对应的数据格式。基于Data Model，系统接手了样本数据的准备，你可以专注于模型的开发。
Graph learning models将Data model的数据转换为Embedding，并提供了多个built-in的GNNs models。Graph learning models可以直接调用，如果在自己的数据上运行，只需要简单适配即可。
从裸数据到GNN样本，只差一行python
Graph Engine包含图对象模块、采样模块和查询模块，这些 Graph 上的模块接口通过一套Gremlin-like API表达。如何从裸数据构造单机或分布式的图、如何在图上游走、如何遍历、如何采样邻域、查询哪些field，以及如何用这些数据构造图神经网络模型所需的样本，整个过程只需要一句python表示，类似data-flow的查询语句：
gl.Graph().node().edge().init().V().outV().sample().by().values()我们将这一行代码拆分到图对象模块、采样模块和查询模块的接口中进行解释。
图对象
图对象模块用于将结构化的图数据转换为逻辑图对象。GL的入口非常简单，载入graphlearn库，构建一个 Graph 逻辑对象，后续所有的操作都在这个 Graph 对象上进行。
import graphlearn as gl
g = gl.Graph()• 图数据格式：灵活的schema，多变的数据类型
GL图数据格式灵活，支持float，int，string类型的属性，支持带权重、标签。在现实的场景中，数据格式多变，通过config文件描述非常复杂，容易写错；有些GNN系统不支持多种类型的属性。
下面的示例描述了数据中存在string和float类型的两列属性和权重、标签列。
decoder = gl.Decoder(attr_types=["string", "float"], weighted=True, labeled=True)• 数据源载入和拓扑描述：同构、异构、多数据源，通通支持
GL提供了 node 和 edge 两个简单的接口来支持顶点和边的数据源载入，同时在这两个接口中描述图的拓扑结构，比如“buy”边的源顶点类型是“user”，目的顶点类型是“item”。这个拓扑结构在异构图中十分重要，是后续采样路径meta-path的依据，也是查询的实体类型的基础。
g.node(data_source, node_type, decoder) \
.node(data_source, node_type, decoder) \
.edge(data_source, (src_node_type, dst_node_type, edge_type), decoder)• Graph Engine启动：快速拉起大规模分布式图引擎
GL提供单机的版本， 通过init 接口快速启动Graph Engine，至此，图对象已经构造完毕，查询、采样操作就可以在 Graph 上进行了。
g.init()在大规模的场景下，图顶点可达亿级别，边可达千亿级别，不管是图结构还是图属性，都无法完全载入单机内存。GL提供分布式的Graph Engine，速度非常快，使用上也非常简单，只需要在 init 中加几个参数。
g.init({"server_count": N, "client_count": M}, task_name, job_index)采样
采样在GL中通过游走路径和采样策略进行描述。如下示例中，表达的是一个遍历和二跳邻居采样，即遍历图获得64个用户，对每个用户根据边的权重采样50个他们购买的商品的相似商品。
q = g.V("user").bath(64).outV("buy").sample(5).outV("similar-to").sample(10).by("edge_weight").values()除了采样邻居，GL也提供了负采样，只需要将示例中的 outV 改为 outNeg 即可。GL提供了多种内置的采样策略，也支持自定义采样策略的实现，详细内容可见我们的系列文档中关于“采样算法”的文章。
查询
GL提供了 Nods 和 Edges 两个基础的数据类型，作为遍历、采样的结果。为了获取 Nodes 的int类型的属性，可以调用如下接口进行查询，得到的是numpy array数据结构。
nodes = g.run(q)
nodes[2].int_atrs # nodes is a list of Nodes, include Nodes of user,
# Nodes of item for 1 hop, Nodes of item of 2 hop.g.run(q) 可以多次执行，遍历图中的顶点和他们的边，直到遍历完毕。因此，上述采样和查询的结果可以作为generator接入tf或pytorch等NN引擎作为数据源，从而深度定制GNN模型。
GL也提供了数据模型的封装，接管数据采样流程和样本组织，下文将简要描述数据模型。
那些Dirty work系统帮你做了
为了便于用户能更专注于探索模型，而非数据采样和样本组织，在模型编程接口层面我们封装了EgoGraph，用于产生接管样本和邻域产生的过程。
EgoGraph包含多种内置采样器和负采样器，覆盖有监督学习和无监督学习场景。EgoGraph 中的数据类型为numpy array，可以根据不同的NN引擎转化为不同的格式的 EgoTensor 。EgoFlow 用于将 EgoGraoh 处理并转换为 EgoTensor ，并构成数据产生的pipline。
GL提供Encoder的模块，用于将顶点、边或子图根据他们的邻域信息转换为Embedding。
基于Embedding进行模型构建，GL封装了多个built-in的模型，包括：
• GraphSAGE
• GCN
• GAT
• DeepWalk
• TransE
• ...
在GL中运行以上模型，只需要一键执行python脚本。比如我们要执行一个二部图的GraphSAGE算法，样例数据已经准备好了，在examples/data目录下，运行脚本就可以得到数据，模型训练可直接调用如下脚本。
cd examples/tf/bipartite_graphsage
python train_unsupervised.py我们也将模型进行了抽象，包括Layers、Aggregators的复用，以赋予开发者和用户快速开发更多GNNs模型的能力。GNNs是近年来图数据分析与应用的热点研究问题，学术届和工业界都在不断提出新的模型，我们也将继续探索，不断完善模型，并提升大规模下的性能。
总结
GL的接口设计致力为不同需求的用户提供dive into GNNs的入口，从图语义的角度提供简单、高效的算子，为用户快速实现和调试GNNs算法提供端到端的解决方式，详细的API手册见：https://github.com/alibaba/graph-learn/blob/master/docs/concept_api.md。
GL上的GNNs模型正在快速发展迭代，我们也将把更多在阿里的大规模业务上经过验证的GNNs模型开源出来，欢迎大家加入到GL的共建中。
项目地址：https://github.com/alibaba/graph-learn
欢迎感兴趣的同学加入我们的团队 kun.zhao@alibaba-inc.com 。
本文作者：沈雯婷
