Ultipa的博客

因为图数据库自下而上关注的是数据的关联关系，从建模、存储到数据治理再到数据计算与分析，以及数据查询与应用，它不再拘泥于关系数据库的表结构，不再受限于主键、外键，让数据建模更加灵活和高维，不再专注于浅层查询，也第一次让计算引擎成为数据库的一等公民，进而意味着在面向深层、复杂、动态、递归查询、分析与计算时的效率有指数级提升。区别在于，建模工程师需要摆脱传统的二维表思维束缚，掌握用图数据的高维建模，以及掌握如何进行高效的图分析，在什么场景下用何种图算法来实现更低的成本与更高的回报率。数据科学是一个新兴的领域。

我们知道，企业影响力分析的内容，远不止探讨持股关系、生产供求关系等传统的问题，凡是和企业相关的金融行为、事件，以及与这些事件行为有直接关联、甚至间接关联的事务，都应被列在研究范围内。值得注意的是，图往往包含着复杂的属性及定义，例如：边的有向、无向，边的属性权重，K 邻是否包含 K-1 邻，如何处理计算环路等等，这些问题会导致 K 邻算法具体实现的差异。此外，K邻算法在行业中的应用，多为多模态的异构图，就是将很多张信息单一的图融合在一起的综合性的图谱。遍历图中的顶点时，就会涉及到多跳的问题。

近年来，网络分析（Network Analysis）技术越来越广泛地应用在寄生性疾病的传播以及生物灭绝、入侵或迁移等对生态系统稳定性的研究中。这些研究的范围取决于涉及到的地区大小、宿主/寄生虫的种类多少等。

扫地机器人的智能、高效、灵活程度，最重要的核心技术便是路径的设计与规划，比如自主地实现避障，在不同地形如木地板、砖地板、地毯、地垫等以及各种障碍物的情况下进行实时决策、移动、清扫等任务。

再比如全图k邻查询（k-Hop Neighbors，k跳邻居）​，在连通度较高的图中，即便是查询1个顶点的3跳、5跳邻居都可能会非常耗时（假如1个顶点的1跳邻居有20个，2跳邻居有400个，3跳邻居有8000个，而5跳邻居已经在3200000个的量级）​，如果有10000000个顶点，那么运行完这个算法的耗时和复杂度将是天文量级的。分而治之是算法设计中最经典的思路，把大的问题缩小，把大的数据集缩小，通过递归、并发、分布式等方法来分块处理，最后再汇总来解决全量的问题。❑ 面向元数据的低维、离散的操作。

数值分析在本质上是一种数值化近似方式的算法，通过量化的方式来加速求解，比如，保险行业精算师的主要工作就是进行数值分析，以及金融业中的存贷款定价、风险量化分析等操作，都可以通过数值分析类算法来实现。同上，分布式要求对算法的数据结构及系统架构进行大幅改造，有的算法进行简单改造就可以获得很好的分布式条件下的效率提升，但有些算法采用分布式可能会出现指数级的性能下降。在图查询与算法的计算过程中，合并是个极为常见的操作，具体的逻辑类似于合并排序(Merge Sort)算法，特别是在多线程并发情况下的算法实现。