《图数据库》——1.2 图领域概览

本节书摘来自异步社区出版社《图数据库》一书中的第1章，第1.2节，作者： 【美】Ian Robinson , Jim Webber , Emil Eifrem，更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.2　图领域概览

图数据库
近年来，无数用于管理、处理和分析图的项目和产品纷纷涌入市场。技术选择的陡增使我们难以跟进这些工具并摸清它们之间的区别，即便对我们这些一直活跃在这个领域的人来说也是如此。本节的内容对理解新兴的图领域提供了一个“高空俯览”。

从1万英尺高空往下看，我们可以将图领域划分成以下两部分。

用于联机事务图的持久化技术通常直接实时地从应用程序中访问
这类技术被称为图数据库，正是本书主要讨论的内容。它们和“通常的”关系型数据库世界中的联机事务处理（online transactional processing，OLTP）数据库是一样的。

用于离线图分析的技术通常都是按照一系列步骤执行的
这类技术被称为图计算引擎。它们可以和其他大数据分析技术看做一类，如数据挖掘和联机分析处理（online analytical processing，OLAP）。

图像说明文字我们可以从另一个视角去划分图领域，去观察各种技术使用的图模型。主流的图模型有3种，分别是属性图、资源描述框架（Resource Description Framework，RDF）三元组和超图。我们将会在附录A中对它们进行详细的说明。市场上常见的大多数图数据库使用的都是属性图模型，因此，在本书的剩余部分我们也将使用这一模型。

1.2.1 图数据库

图数据库管理系统（以下将简称图数据库）是一种在线的数据库管理系统，它支持对图数据模型的增、删、改、查（CRUD）方法。图数据库一般用于事务（OLTP）系统中。相应地，它们也对事务性能进行了优化，在设计时通常考虑了事务完整性和操作可用性。

在研究图数据库技术时，有两个特性需要多加考虑。

底层存储
一些图数据库使用原生图存储，这类存储是优化过的，并且是专门为了存储和管理图而设计的。不过并不是所有图数据库使用的都是原生图存储，也有一些图数据库会将图数据序列化，然后保存到关系型数据库或面向对象数据库，或是其他通用数据存储中。

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，关联节点在数据库中物理意义上“指向”彼此1。如果看得更远一点：站在用户的角度，任何看起来像是图数据库的都可以称为图数据库（比如说，提供了对图数据模型的CRUD操作的数据库）。然而，我们得承认这个事实，免索引邻接带来巨大的性能优势是其他数据库无法比拟的，因此我们使用原生图处理来代表使用免索引邻接的图数据库。

图像说明文字需要注意的是，原生图存储和原生图处理并不一定比其他方式更好或更差—这不过是典型的工程取舍而已。原生图存储的好处是，它的栈是专门为性能和扩展性设计建造的。但相对的，非原生图存储通常建立在非常成熟的非图后端（如MySQL）之上，运维团队对它们的特性烂熟于心。原生图处理（无索引邻接）虽然在遍历查询时性能优势很大，但代价是一些非遍历类的查询会比较困难，而且还要占用巨大的内存。

与那些需要额外增加像外键这样的属性或者使用map-reduce这样的额外处理来推测实体间关联的数据库管理系统不同，联系在图数据模型中是“一等公民”。图数据库通过将节点和联系的简单抽象组装为相互关联的结构，使我们能够建造任意复杂的模型，来形象地映射我们的问题域。比起那些传统的关系型数据库和其他NoSQL存储，我们所得到的模型更简单，也更具表现力。

根据其存储和处理模型不同，图1-3生动形象地展示了现在市场上的一些图数据库。

1.2.2 图计算引擎

图计算引擎技术使我们可以在大数据集上使用全局图算法。图计算引擎主要用于识别数据中的集群，或是回答类似于“在一个社交网络中，平均每个人有多少联系？”这样的问题。

因为偏重于全局查询，图计算引擎通常为扫描和批处理大规模信息做过优化，在这个方面，它们和其他批分析技术（如在关系型数据库世界中大家都很熟悉的数据挖掘和OLAP）类似。只有一部分图计算引擎有自己的图存储层，其他的（几乎可以说大部分）则只完全关注于如何处理外部传入的数据和返回结果。

图1-4展示了一个通用的图计算引擎部署架构。该架构包括一个带有OLTP属性的记录系统（SOR）数据库（如MySQL、Oracle或Neo4j），它给应用程序提供服务，请求并响应应用程序在运行中发送过来的查询。每隔一段时间，一个抽取、转换和加载（ETL）作业就会将记录系统数据库的数据转入图计算引擎，供离线查询和分析。

图计算引擎多种多样。最出名的有内存的、单机的图计算引擎Cassovary和分布式的图计算引擎Pegasus和Giraph。大部分分布式图计算引擎基于Google发布的Pregel白皮书，其中讲述了Google如何使用图计算引擎来计算网页排名。

本书重点关注图数据库

通过前面的部分，我们对图领域有了一个大致的了解。在这之后，本书将主要关注图数据库。我们的目标始终是试图向读者解释清楚图数据库的概念。我们会在适当的时候穿插一些例子来说明这些概念。这些例子都来自于我们使用属性图模型和Neo4j数据库开发解决方案的过程中获得的经验。读者不必在意我们的例子中使用了什么具体的图模型或图数据库，这些关键概念对于其他的图数据库同样适用。
1参考Rodriguez, M. A.和Neubauer, P.的《The Graph Traversal Pattern》（2010）。
本文仅用于学习和交流目的，不代表异步社区观点。非商业转载请注明作译者、出处，并保留本文的原始链接。