본 논문은 수조 개의 에지에 달하는 대규모 그래프 상에서 효율적인 학습을 가능하게 하는 GraphGen+ 프레임워크를 제안합니다. 기존의 온라인 서브그래프 생성 방식은 단일 머신에 한정되어 성능 병목 현상이 발생하고, 오프라인 방식은 저장 공간 부담과 I/O 비용이 높다는 한계를 지닙니다. GraphGen+는 분산 서브그래프 생성과 메모리 내 그래프 학습을 동기화하여 외부 저장소를 제거하고 효율성을 크게 향상시킵니다. 기존 SQL 방식 대비 27배, GraphGen 대비 1.3배의 서브그래프 생성 속도 향상을 달성하며, 이터레이션 당 100만 노드 학습을 지원합니다.
