在萬物互聯(lián)的時(shí)代，圖數(shù)據(jù)庫在金融科技、社交網(wǎng)絡(luò)等領(lǐng)域發(fā)揮著不可替代的作用，它能清晰地揭示各類復(fù)雜模式。

本文介紹了圖數(shù)據(jù)庫的歷史由來、特性及其優(yōu)勢，并說明了圖數(shù)據(jù)庫解決的是什么樣的問題，闡述了圖數(shù)據(jù)庫的應(yīng)用場景，并對其發(fā)展做了展望。

1

概 述 #

【 簡介 】

在當(dāng)前的環(huán)境中，通信、互聯(lián)網(wǎng)、社交網(wǎng)絡(luò)和物聯(lián)網(wǎng)等領(lǐng)域積累了大量的關(guān)聯(lián)數(shù)據(jù)。

面對各種海量數(shù)據(jù)，尤其是海量非結(jié)構(gòu)化數(shù)據(jù)的存儲，傳統(tǒng)的信息存儲和組織模式已經(jīng)無法滿足客戶需求，圖數(shù)據(jù)庫卻能夠很清晰地揭示各類復(fù)雜模式，提供了新的方式為數(shù)據(jù)賦能，驅(qū)動行業(yè)發(fā)展。

【 什么是圖數(shù)據(jù)庫 】

圖數(shù)據(jù)庫（Graph Database）不是存儲圖像的數(shù)據(jù)庫，而是基于圖模型，使用圖結(jié)構(gòu)進(jìn)行語義操作的非關(guān)系型數(shù)據(jù)庫，它應(yīng)用圖理論存儲實(shí)體之間的關(guān)系信息，最常見例子就是社會網(wǎng)絡(luò)中人與人之間的關(guān)系。 它使用頂點(diǎn)、 邊和屬性來表示和存儲數(shù)據(jù)，支持?jǐn)?shù)據(jù)的增刪改查操作。

在圖數(shù)據(jù)庫中，最主要的組成有兩種，結(jié)點(diǎn)集和連接結(jié)點(diǎn)的關(guān)系。 結(jié)點(diǎn)集就是圖中一系列結(jié)點(diǎn)的集合，比較接近于關(guān)系數(shù)據(jù)庫中所最常使用的表，而關(guān)系則是圖數(shù)據(jù)庫所特有的組成。

圖數(shù)據(jù)庫的代表有Neo4j、ArangoDB、Virtuoso、Neptune、JanusGraph、TigerGraph等。

【 圖數(shù)據(jù)庫發(fā)展 】

據(jù)數(shù)據(jù)庫咨詢公司DBEngines統(tǒng)計(jì)，圖數(shù)據(jù)庫是所有數(shù)據(jù)管理系統(tǒng)中成長最快的分類。由于很早就被Twitter，F(xiàn)acebook以及Google在內(nèi)的公司采用，圖已經(jīng)逐漸演變成當(dāng)今各行各業(yè)所使用的主流技術(shù)，連續(xù)多年處于高速發(fā)展中。

2007年，第一款圖數(shù)據(jù)庫Neo4j的誕生，給關(guān)聯(lián)查詢帶來了情理之中卻又意料之外的性能優(yōu)勢。2010 年后，圖數(shù)據(jù)庫朝著多個(gè)不同的方向發(fā)展，包括支持大規(guī)模分布式圖處理、支持多模態(tài)、圖查詢語言的設(shè)計(jì)、專用硬件的適配等，并且不斷在存儲和計(jì)算能力上發(fā)展。

值得關(guān)注的是，全球最具權(quán)威的 IT 研究與顧問咨詢公司 Gartner，將圖技術(shù)列為2022年新興技術(shù)和趨勢影響力雷達(dá)圖中，五項(xiàng)具有影響力的技術(shù)之一。

圖數(shù)據(jù)庫發(fā)展史

2圖數(shù)據(jù)庫技術(shù)

在我們了解科學(xué)、政府和商業(yè)領(lǐng)域的數(shù)據(jù)集廣泛多樣性的過程中，圖起到了基地的作用。現(xiàn)實(shí)世界完全不同于關(guān)系型數(shù)據(jù)庫背后的基于表的模型，它是豐富的且互相之間充滿關(guān)聯(lián)。一旦理解了圖，你就會發(fā)現(xiàn)圖無處不在。比如，Gartner定義了商業(yè)世界的5個(gè)圖：社交、意向、消費(fèi)、興趣和移動，并指出運(yùn)用這些圖的能力是一個(gè)“可持續(xù)的競爭優(yōu)勢”。

本章將對圖數(shù)據(jù)模型、圖數(shù)據(jù)存儲以及圖數(shù)據(jù)查詢等方面進(jìn)行簡要介紹。

【 圖數(shù)據(jù)模型 】

圖模型是圖數(shù)據(jù)庫表達(dá)圖數(shù)據(jù)的抽象模型。目前主流的圖模型主要包括資源描述框架（RDF）和屬性圖兩種。

RDF提供了一個(gè)統(tǒng)一的標(biāo)準(zhǔn)來描述資源，所謂資源可以指類、屬性、實(shí)例等。 RDF 在形式上表示為 SPO（subject, predicate, object）三元組，即（主語/主體、謂語/屬性、賓語/客體），用于描述具體的事物及關(guān)系。

RDF模型

相較于RDF，目前主流的圖數(shù)據(jù)庫選擇的圖模型是屬性圖。 **屬性圖由點(diǎn)、邊、標(biāo)簽和屬性組成。**開源圖數(shù)據(jù)庫 Neo4j 和 JanusGraph 都采用屬性圖的數(shù)據(jù)模型。

屬性圖模型

【 圖數(shù)據(jù)存儲 】

**圖數(shù)據(jù)庫有原生和非原生存儲兩種存儲方式。**我們以Neo4j和JanusGraph為例簡要說明兩種方式。

Neo4j使用原生設(shè)計(jì)的圖存儲，將圖數(shù)據(jù)存儲在若干不同的存儲文件中，每個(gè)存儲文件包含圖特定部分的數(shù)據(jù)（例如，節(jié)點(diǎn)、聯(lián)系、標(biāo)簽和屬性都各自獨(dú)立的存儲），其中常用的存儲方式為鏈表、排序樹以及哈希表等。

JanusGraph 使用非原生圖存儲，將圖結(jié)構(gòu)序列化存儲到鍵值對數(shù)據(jù)庫中。也有很多圖數(shù)據(jù)庫在存儲上直接使用了 NoSQL 數(shù)據(jù)庫，比如鍵值對存儲、文檔存儲等。

【 圖數(shù)據(jù)查詢 】

按照查詢范圍的遞增順序，面向圖數(shù)據(jù)的查詢可以大體分成單點(diǎn)查詢、鄰居查詢、路徑遍歷、子圖匹配和全圖分析這幾類。

與關(guān)系模型以及其它 NoSQL 數(shù)據(jù)模型相比，基于圖數(shù)據(jù)模型的查詢具有更高的復(fù)雜度，這就對查詢語言提出了更高的要求。查詢語言按照編寫的邏輯，可以分為描述式和命令式兩種。

目前為止，圖數(shù)據(jù)庫尚且沒有業(yè)界統(tǒng)一認(rèn)可的查詢語言，通常都是僅限于一個(gè)產(chǎn)品的。不過，已經(jīng)有一些標(biāo)準(zhǔn)化的工作，使得Gremlin、SPARQL成為代表性描述式查詢語言，Cypher成為代表性命令式查詢語言。

3圖數(shù)據(jù)庫的優(yōu)勢

圖數(shù)據(jù)庫為何越來越受到歡迎呢？通過節(jié)點(diǎn)，邊和屬性的圖的格式存儲數(shù)據(jù)，圖數(shù)據(jù)庫克服了其他數(shù)據(jù)庫無法解決的大而復(fù)雜的數(shù)據(jù)難題，其獨(dú)特性可以體現(xiàn)為以下三個(gè)方面：

① 性能

在關(guān)聯(lián)關(guān)系的處理上，關(guān)系型數(shù)據(jù)庫處理不可避免要用到表的 JOIN 操作，非常影響性能。而圖數(shù)據(jù)庫則是類似指針直接跳轉(zhuǎn)訪問，在典型查詢上比關(guān)系數(shù)據(jù)庫通常有n個(gè)數(shù)量級的性能優(yōu)勢。

② 兼容性

現(xiàn)實(shí)中的項(xiàng)目通常是不斷演進(jìn)的，意味著數(shù)據(jù)內(nèi)容甚至數(shù)據(jù)格式也會不斷發(fā)生變化。在關(guān)系型數(shù)據(jù)庫中，這意味著表結(jié)構(gòu)的變化，或者多個(gè)新表的建立，對源數(shù)據(jù)的改動非常大。而在圖數(shù)據(jù)庫里，僅需添加新的頂點(diǎn)、邊、屬性，設(shè)置為對應(yīng)的類型即可。從本質(zhì)上說，一個(gè)頂點(diǎn)代表一個(gè)特定的數(shù)據(jù)，也就是說圖數(shù)據(jù)庫更關(guān)注數(shù)據(jù)的個(gè)體，識別其關(guān)聯(lián)關(guān)系。

③ 直觀性

頂點(diǎn)和邊的圖模型相比于表模型更符合人的思維方式。比如我們面對面用紙筆交流介紹社交網(wǎng)絡(luò)關(guān)系，會自然而然地使用點(diǎn)邊的方式畫出來，這正是圖模型。在圖數(shù)據(jù)上進(jìn)行分析查詢時(shí)，也可以直觀地通過點(diǎn)邊連接的拓?fù)?，交互式找到想要的?shù)據(jù)。因此有一種說法是：與關(guān)系型數(shù)據(jù)庫相比，圖數(shù)據(jù)關(guān)系才是真的處理“關(guān)系”的。

4

圖數(shù)據(jù)庫的應(yīng)用 *

圖數(shù)據(jù)庫的應(yīng)用原理是查詢和分析連接數(shù)據(jù)，對海量數(shù)據(jù)建立關(guān)聯(lián)，并通過多樣及快速的方法對數(shù)據(jù)進(jìn)行分析與挖掘。此外，與其他類型數(shù)據(jù)庫相比，圖數(shù)據(jù)庫的操作更為便捷、數(shù)據(jù)更加直觀、存儲模式靈活、應(yīng)用場景豐富，是未來處理復(fù)雜數(shù)據(jù)關(guān)系的技術(shù)趨勢。

目前圖數(shù)據(jù)庫的需求應(yīng)用場景正在不斷增多，而從計(jì)算和分析數(shù)據(jù)之間關(guān)系的角度來說，圖數(shù)據(jù)庫比傳統(tǒng)數(shù)據(jù)庫的性能約有百倍以上的提升，在金融、電信等一系列領(lǐng)域都面臨著巨大的需求。

以數(shù)據(jù)的關(guān)聯(lián)特征與問題的相似性為基礎(chǔ)，典型的圖數(shù)據(jù)庫應(yīng)用場景如下：反欺詐、推薦引擎、知識圖譜、主數(shù)據(jù)管理、地理空間分析以及社交網(wǎng)絡(luò)等。

圖數(shù)據(jù)庫應(yīng)用場景

5

我國****圖數(shù)據(jù)庫現(xiàn)狀

目前，歐美國家的 Neo4j 和 ArangoDB 等數(shù)據(jù)庫系統(tǒng)仍然是市場的主流。與歐美國家相比，中國人口眾多，數(shù)據(jù)量巨大，相應(yīng)的圖數(shù)據(jù)庫需求也更大。但是，中國的圖數(shù)據(jù)庫基礎(chǔ)研究相對薄弱，缺少專業(yè)的數(shù)據(jù)處理人才，更是制約了圖數(shù)據(jù)庫的應(yīng)用與發(fā)展。

因此，在發(fā)展層面，我國需要更專注產(chǎn)品的技術(shù)創(chuàng)新層面，打造更完全自主的圖數(shù)據(jù)庫；在服務(wù)層面，積極探索云計(jì)算模式的圖數(shù)據(jù)庫服務(wù)，打造基于云計(jì)算的圖數(shù)據(jù)庫；在應(yīng)用方面，繼續(xù)在圖的可視化工具方面進(jìn)行創(chuàng)新，通過拖拽的方式，自動生成查詢語言、實(shí)時(shí)反饋結(jié)果，提升圖數(shù)據(jù)庫的應(yīng)用便捷性。通過圖數(shù)據(jù)庫發(fā)現(xiàn)不同事物、數(shù)據(jù)之間的深度關(guān)聯(lián)，獲得更深層次的洞察。

值得一提的是，基于AMiner的數(shù)據(jù)分析顯示，我國在圖數(shù)據(jù)庫領(lǐng)域的研究熱度僅次于美國，也涌現(xiàn)了一些比較知名的圖數(shù)據(jù)庫，比如：阿里云圖數(shù)據(jù)庫Graph Database，騰訊云圖數(shù)據(jù)庫Tencent Graph Database以及百度圖數(shù)據(jù)庫HugeGraph等。

6

**# **圖數(shù)據(jù)庫的展望 #

當(dāng)前，我們對圖的了解是建立在數(shù)百年的數(shù)學(xué)和科學(xué)研究之上的，而基于此的圖數(shù)據(jù)庫正在用它獨(dú)有的優(yōu)勢展現(xiàn)出強(qiáng)大的生命力。

未來，隨著全球范圍內(nèi)互聯(lián)網(wǎng)用戶、設(shè)備和數(shù)字處理的增多，生成的數(shù)據(jù)也越來越多。也就是說，企業(yè)能否充分利用相關(guān)數(shù)據(jù)決定著企業(yè)未來的發(fā)展。圖數(shù)據(jù)庫將會是存儲、關(guān)聯(lián)和利用數(shù)據(jù)最有效的方式?？梢韵胂蟮氖牵ㄟ^設(shè)計(jì)和實(shí)現(xiàn)圖數(shù)據(jù)庫解決方案，以及應(yīng)用圖算法解決復(fù)雜的商業(yè)問題的知識，將會構(gòu)建出一個(gè)開拓性的信息系統(tǒng)。

接下來圖數(shù)據(jù)庫可能面臨三大趨勢，分別是查詢語言統(tǒng)一化、圖數(shù)據(jù)庫與圖處理引擎融合化、軟硬件一體化。****我們期待未來圖數(shù)據(jù)庫的發(fā)展，能夠帶給全行業(yè)新的面貌。