主要观点：

• 介绍对 BlueSky 社交网络进行数据收集和图布局处理，以创建其网络地图。
• 探讨多种图布局算法和技术，如力导向布局、UMAP 等在处理大规模社交网络数据时的应用与挑战。
• 展示对 BlueSky 网络地图的不断优化和改进过程，包括添加颜色、聚类等操作，以更好地呈现网络结构和信息。

关键信息：

• 使用 BlueSky 的 AT 协议和bsky.network的 WebSocket 火喉获取数据，存储在本地 SQLite 数据库。
• 力导向布局是一种物理模拟，通过计算节点间的排斥力和边的吸引力来确定节点位置，Barnes-Hut 优化可降低计算复杂度。
• Andromeda 是用于力导向图布局的 Zig 引擎，受 Gephi 和 ForceAtlas2 启发，具备“自然滑块”功能。
• UMAP 用于降维可视化，在处理 BlueSky 数据时存在一些问题，如聚类过密、点重叠等，可通过调整 Andromeda 来改善。
• 可通过聚类算法给 UMAP 输出添加颜色，以增加信息维度，突出局部结构，如使用 k-means 聚类和插值色调。

重要细节：

• 最初在 fly.io 部署索引器并使用 litestream 同步到 AWS S3 桶，后改为在家庭服务器上运行。
• 目前 BlueSky 有约 1300 万用户，follows表有 5 亿多行约 30GB 数据。
• Andromeda 在处理 10 万节点的图时可实时运行，UMAP 可用于对 BlueSky 数据进行降维处理。
• UMAP 内部在最终阶段使用自己的力导向图，存在一些计算限制导致点重叠，可通过调整 Andromeda 来解决。
• 给 UMAP 输出添加颜色的过程包括 k-means 聚类、色调插值等，以突出局部结构和信息。