「一起学图数据库」系列之图数据库概述
图是什么
形式上，图是点和边的组合；术语上，图是「一些节点」和「关联这些节点的联系」的组合。
图广泛存在于世界之中，从人与人之间的联系、工厂与消费者之间的联系到电话与数据中心网络节点之间的关系、基因和蛋白质之间的关联，都会涉及大量的高度关联数据。这些数据构成了庞大的图，图数据库就是呈现和查询这些关联的做好的方式。
图1：一个简单的社交网络图
如图中的小型社交网络图，「点」被标记为用户，每个用户有一个名字（微博名字不允许重复）；用户之间的关注关系就是他们之间的联系，也就是「边」。
实际场景中的图要比上图复杂的多的多，"一个节点只有一个属性(名字)"，"一个边仅有一个标签描述信息(关注)"或"两个节点之间只能拥有一条边"是不可能满足实际需求的，所以带标签的属性图(labeled property graph)是目前最流行的图模型。带标签的属性图有如下几个特点：
- 它包含节点和联系
- 节点上有属性，如年龄、性别、学历、情感状态等
- 节点上有一个多个标签，比如动漫、科技、美食等
- 联系有名称和方向信息，每一个联系关联一个开始节点和结束节点
- 联系也有属性，比如关注、夫妻、跑男团等
图数据库发展趋势
下图是DB-Engines中关于各个分类数据库的趋势信息：
图2：DB-Engines 图数据库的发展趋势
从DB-Engines的数据库趋势信息来看，从2013年至今，Graph DBMS是增长最快速的一类数据库。
下图是Google Trends中关于neo4j的搜索热度随着时间的变化曲线图：
图3：Google Trends中neo4j一词的搜索热度曲线信息
从该曲线图也可以看出来，图数据库的热度呈现逐年递增的趋势，可以预见，图数据库的未来前景将非常可观。而相对来说，国内图数据库领域刚刚开始起步，而且不管是应用还是技术都在摸索阶段。这正是一个非常合适的学习图数据库，迎合技术发展趋势的时机。
图领域技术概览
按照「应用场景」，图领域技术主要包括两个主要部分：图数据库与图计算引擎。这章节大部分内容直接引用书中原文。
图数据库
图数据库，是图数据库管理系统的简称，它是一种在线的图数据库管理系统，支持对图数据模型的增、删、改、查(CRUD)方法。图数据库一般应用于联机事务型系统(OLTP)中，所以在研究图数据库技术时需要多加考虑2个关键架构要素：
1. 底层存储
底层存储分为原生和非原生。某些系统是(如Neo4j、OrientDB)为了存储和管理图数据而专门设计，它们自己构建了底层的存储系统，但也有一些图数据库(如 Titan、InfiniteGraph)是将图数据序列化后存储到其它类型的数据库中。
2. 处理引擎
一些定义要求图数据库使用「免索引邻接」，这意味着，关联节点在数据库里是物理意义上的“指向”彼此。
相比于传统的关系型数据库和其他NoSQL数据库，「免索引邻接」带来了非常明显的性能优势，而且我们得到的模型更简单，更具表现力。
图数据库主要用于联机事务图的持久化技术，通常直接实时地被应用程序访问，和常见的联机事务处理（Online Transactional Processing, OLTP）数据库是一样的。
图计算引擎
图计算引擎技术，偏重于全局查询，通常都针对大规模数据处理做过优化。只有一部分图计算引擎有自己的存储层，其它的则聚焦于图算法与图计算框架。图计算引擎以Pregel、Powergraph、GraphX为典型代表。
图计算引擎主要用于离线图分析技术，通常按照一系列步骤执行，它们可以和其它大数据分析技术看作一类，如数据挖掘和联机事务分析（Online Analytical Processing，OLAP）。
图数据库的技术优势
事实上，图可以用来建模各种类型的数据，但是现实世界中进行技术选型时涉及诸多考量因素，如预算、排期、技术难度、企业标准、商业化等等。图数据库天然适用于社交、推荐、网络和数据中心等应用场景，它具备两大显著的技术优势：强大的性能以及灵活的数据模型。
性能
随着数据集不断增大，关系型数据库的查询性能会随之变差，尤其是Join查询。而图数据的性能趋向于不变，因为查询总和图的一部分相关。因此每次查询的执行时间只和满足条件的那部分图的大小相关。
灵活性
图天生就是易扩展的，这意味着我们可以对已经存在的结构添加不同的新联系、新节点、新标签、新子图，而不用担心破坏已有的查询或应用程序的功能。
现实世界中的图
这部分是原书第五章的内容，涉及到模型以及查询语法等细节内容，这里仅简单罗列一下几大应用场景：
社交和推荐
推测社交关系（相似用户推荐）、寻找有特定爱好的人、加入校友/同事联系
授权和访问控制
寻找管理员可以访问的全部资源、判断管理员是否可以访问某一资源、找到一个账号的管理员
地理空间和物流
路由计算、最短路径
国内主要应用领域
目前在国内，图数据库的主要应用领域是知识图谱和欺诈检测。
知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息（Heterogeneous Information）连接在一起而得到一个关系网络，知识图谱提供了从“关系”的角度去分析问题的能力。比如百度搜索“邓超的老婆”，百度的知识图谱技术可以快速告诉你答案“孙俪”。
反欺诈是风控中非常重要的一道环节。基于大数据的反欺诈的难点在于如何把不同来源的数据（结构化，非结构化数据）整合在一起，并构建反欺诈引擎，从而有效地识别出欺诈案件（比如身份造假，团体欺诈，代办包装等）。欺诈案件通常会涉及到复杂的关系网络，这也给欺诈审核带来了新的挑战。图数据库，作为关系的直接表示方式，可以很好地解决这两个问题。
本文内容首发于公众号：图数据库杂谈
微信号：graphdbs
精彩文章推荐
图数据库相关文章：
《一条数据的HBase之旅》系列连载文章：
简明HBase入门教程-开篇
简明HBase入门教程-Write全流程
《OpenTSDB技术原理》系列连载文章：
其它精彩文章：
号称十倍性能于Cassandra的ScyllaDB，究竟祭出了哪些技术"利器"？
本文转载自微信公众号【Nosql漫谈】。
- 点赞
- 收藏
- 关注作者
评论（0）