数据库家谱:图数据库——多跳查询从N次JOIN变成N次指针跳转,代价和边界在哪

举报
这个DBA有点耶 发表于 2026/11/19 18:30:01 2026/11/19
【摘要】 关系型数据库用外键+JOIN表达关系,多跳查询的复杂度随深度增长而指数级上升;图数据库把“关系”作为存储原语,沿边遍历一跳就是一次指针跳转,多跳查询的代价远低于JOIN。但图数据库不是“有关系的数据库”就该用——简单的一两跳查询用关系型+索引往往够用,只有关系的深度和密度达到一定程度,专用图引擎的优势才会显现。本文拆解图数据模型、多跳查询的复杂度差异、适用场景的判断标准,以及图能力被集成进通用数据

大家好,我是小耶,写功课只是为了我踩过的坑,你们别再踩了!

前面几篇数据库家谱,我们按数据模型(关系型/非关系型)、业务负载(OLTP/OLAP)、专项场景(时序/向量)、部署架构(集中式/分布式/云原生)把数据库家族拆了一遍。

今天讲一个特殊的分支:图数据库。

它常被误解成“有关系的数据库”——关系型数据库也有关系啊,外键、JOIN,不都是关系吗?

图数据库的核心不是“有关系”,是“关系本身就是存储的原语”。 这个差异,决定了它在多跳查询上的性能数量级。

一、图数据模型:节点、边、属性

图数据库用三个基本元素组织数据:

节点(Node):代表实体。比如一个用户、一个商品、一个账户。

边(Edge):代表实体之间的关系。比如“用户A关注用户B”、“账户X转账给账户Y”。

属性(Property):节点和边都可以带属性。比如用户节点有姓名、年龄;转账边有金额、时间。

关键设计:边是一等公民。 在关系型数据库里,关系是“查询时算出来的”(JOIN);在图数据库里,关系是“存储时就建立好的”(指针)。

每个节点在存储时,直接记录了它有哪些边、边指向哪个节点。遍历一条边,就是一次指针跳转。

二、多跳查询的复杂度差异:O(N次JOIN) vs O(N次跳转)

用一个具体场景说明差异:“找到用户A的朋友的朋友的朋友”。

关系型数据库的做法:

SELECT f3.id
FROM follows f1
JOIN follows f2 ON f1.followee_id = f2.follower_id
JOIN follows f3 ON f2.followee_id = f3.follower_id
WHERE f1.follower_id = 'A';

三跳查询,需要三次JOIN。每一层JOIN都要在follows表的索引上做查找、合并中间结果。如果每层的结果集是几千行,中间结果的膨胀会非常明显。

图数据库的做法:

从节点A出发,沿“关注”边找到第一层邻居;从每个邻居再沿边找到第二层;从第二层再沿边找到第三层。每一跳就是一次指针跳转,O(1)复杂度。 三跳查询的代价,约等于“三层邻居的数量之和”,而不是“三层JOIN的中间结果膨胀”。

量化的视角:在一个千万级节点的社交网络里,三跳查询在关系型数据库上可能需要秒级,在图数据库上通常能保持在毫秒级。跳数越多,差距越大。

三、不是“有关系”就该用图数据库

这是选型中最常见的误区。图数据库的适用性,取决于关系的深度和密度,不是“有没有关系”。

适合图数据库的场景:

  • 多跳查询频繁:社交推荐(朋友的朋友)、风控资金链路(资金经过N层账户的流向)、知识图谱(实体之间的多跳关联)。

  • 关系深度大:查询需要遍历3跳以上,关系型数据库的JOIN开始吃力。

  • 关系模式复杂:实体之间的关系类型多样,且经常变化。

不适合图数据库的场景:

  • 简单的一两跳查询:比如“查某个用户的所有订单”,关系型数据库加个索引就能搞定,上专用图库是过度设计。

  • 批量统计为主:比如“统计所有用户的平均订单数”,这是聚合查询,关系型数据库的列存/OLAP引擎更擅长。

  • 关系简单且固定:如果数据模型就是“用户-订单-商品”这种星型结构,关系型数据库的JOIN完全够用。

判断标准:如果你的核心查询里,多跳遍历(3跳以上)占了相当大的比例,图数据库才值得评估。否则,关系型数据库加索引往往更经济。

四、代价与边界:写入模式、运维体系、超大规模

图数据库不是免费的午餐。

写入模式的差异:关系型数据库的写入是行级的,图数据库的写入需要维护节点和边的指针关系。频繁的边插入/删除,可能触发图结构的局部重组,写入模式需要重新设计。

运维体系的切换:图数据库的备份、恢复、监控、调优,和关系型数据库是两套体系。团队的学习成本和运维成本需要评估。

超大规模的边界:单机图数据库受限于内存和存储,十亿级以上的图需要分布式图引擎。分布式图引擎的遍历会引入跨节点通信,性能不再是一个数量级的优势。

与多模融合的关系:图能力正在被集成进通用数据库内核(比如金仓KES的图扩展)。在中小规模的图查询场景下,融合型数据库可以避免“为了图查询单独维护一套图库”的运维负担。专用图库在深度图算法(PageRank、社区发现)和超大规模图上仍有优势。

五、小结

图数据库的核心价值在多跳查询:关系型数据库用N次JOIN表达N跳,中间结果随深度膨胀;图数据库把关系作为存储原语,沿边遍历就是指针跳转,多跳查询的代价远低于JOIN。但选型的判断标准不是“有没有关系”,是“关系的深度和密度”——简单的一两跳查询,关系型数据库加索引就够了;多跳遍历占核心查询的大头,才值得上专用图库。图能力正在被集成进通用数据库内核,中小规模场景多了一个“不单独维护一套图库”的选项。

小耶在手,SQL 不愁

还有什么想了解的,欢迎留言!小耶一定知无不言言无不尽……我们下次见~

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。