我正在尋找Java中的稀疏矩陣庫，該庫可以在稀疏整數矩陣上進行乘法運算，其中矩陣表示圖的鄰接關係。要求大致如下：庫應能夠加載和乘以10M×10M個元素的幾個矩陣，其中包含大約3個元素。在商用計算機上運行時，每個5M非零元素（約16 GB RAM）。 C ++的 Eigen庫滿足此要求。但是，我找不到適合Java的替代方法。

我查看了以下庫：

• SparseMatrix 類 Spark ML庫中的似乎僅支持使用密集矩陣的乘法。
  • 深入挖掘微風庫 Spark ML所使用的指出以下內容：“尚未完全支持CSCMatrices。它們缺少一些基本操作。”
  • 還值得注意的是在內部，Breeze使用 netlib-java 庫。
• Apache Commons Math的OpenMapRealMatrix 類拋出 NumberIsTooLargeException ，因為它僅支持帶有2B元素的矩陣（“ 40,000,000,000大於或等於最大值（2,147,483,647）“ ）
• Colt庫的 SparseDoubleMatrix2D 類引發Java堆空間錯誤。
• 第 DMatrixSparseCSC 類e 有效的Java矩陣庫 在初始化大型矩陣時引發 java.lang.NegativeArraySizeException 。 strike>自問題解決以來，此問題已得到解決-請參見作者的評論和接受的答案。
• Matrix Toolkit Java的 LinkedSparseMatrix 類初始化速度非常快，但不能很好地處理乘法-將空的1M×1M乘以矩陣大約需要6分鐘。 CompDiagMatrix 用盡了該大小的矩陣的內存。 FlexCompColMatrix 和 FlexCompRowMatrix 都不會在10分鐘內完成。 CompRowMatrix 和 CompColMatrix 在大約20k×20k矩陣中具有良好的性能，但對於較大的矩陣，其性能卻有所下降。 （最新穩定版本的Javadoc 1.0.4不建議在靜態情況下使用哪個稀疏矩陣。拉取請求提交了更詳細的文檔，但是1.0.5-SNAPSHOT從未這樣做過
• Graphulo是 GraphBLAS的實現，但使用起來非常複雜，因為它旨在在 Apache Accumulo數據庫的頂部。
• 通用Java矩陣包（UJMP）非常適合在紙上使用，但性能不佳。此外，它似乎已被廢棄，並且已獲得LGPL許可。
• 最後，各種 JCuda庫都可能有用，包括 JCusparse和 JNvgraph，但是所有這些都需要GPU。

我還在創建的 https://java-matrix.org/上找到了一項全面的調查由UJMP的作者撰寫，該書展示了〜2015年的最新技術，並強調了很少有庫支持稀疏矩陣。

另請參閱 GitHub問題，了解MTJ中稀疏矩陣乘法的性能。

2010年以來有關C / C ++庫的一個相關問題：尋找C / C ++接口以在Linux中高效地計算巨大的稀疏矩陣

更新（2019年末）：我現在已經在這一領域進行了一年多的研究，並確定了稀疏矩陣庫需要滿足的一些要求，以便表達圖形算法並有效地執行它們：

1. 支持對半環的定義，而不是傳統的加時算術運算法則（例如lor-land，min-plus）
2. 支持屏蔽操作（僅執行給定操作
3. 允許多線程執行
ol>

到目前為止，我找不到能滿足 any em的Java庫>以上要求。因此，我切換到C並使用 SuiteSparse：GraphBLAS。

更新（2020年9月）： EJML現在滿足＃1的要求，請參見拉動請求引入對半環的支持。