对于社交网络、金融风控等大数据领域，业务一般会利用 Graph 系统（如 Google Pregel、Spark GraphX 等）来高效地执行复杂的图算法，其比传统的 Data 系统更快。但随着相关领域大数据业务的发展，基于 Spark GraphX 的图计算方式存在一些问题，例如这种方式需要先通过 Spark Streaming 接收流式数据并进行清洗，然后周期性的全量构图，最后使用 Spark GraphX 做全量图迭代，这样实现一方面会导致业务链路较长，另一方面实时性无法满足。在蚂蚁内部，我们实现了一套自研的流式图计算引擎 Geaflow，天然契合金融风控等业务场景需求，能有效满足业务秒级时序增量的要求，同时为业务带来显著收益。

本议题将为你分享自研的流式图计算引擎 Geaflow 的技术实践，希望能够为你带来启发。

演讲提纲：

1. 时序图介绍
   • 什么是图
   • 图的优势
   • 图的场景
   • 时序图
2. Geaflow - 蚂蚁流式图计算引擎介绍
3. 蚂蚁场景应用
   • 实时团伙挖掘
   • 实时反套现
   • 图计算 + AI融合
4. 总结
   • 蚂蚁图计算 TuGraph 系统

你将获得：

• 了解蚂蚁流式图计算引擎
• 了解图计算在金融风控大数据领域中的重要价值和优势
• 了解基于 Geaflow 大规模时序图计算系统在金融风控领域中的应用实践经验