在這個(gè)數(shù)據(jù)為王的時(shí)代，如何存儲(chǔ)及分析海量數(shù)據(jù)，是個(gè)不那么容易的事情。近年來(lái)，圖數(shù)據(jù)庫(kù)逐漸映入我們眼簾，已成為NoSQL中關(guān)注度***，發(fā)展趨勢(shì)最明顯的數(shù)據(jù)庫(kù)之一。圖數(shù)據(jù)庫(kù)，他是誰(shuí)？從哪兒來(lái)？牛在哪兒？怎樣助力研發(fā)工作？且聽(tīng)京東攻城獅怎么說(shuō)。

[[238291]]

他是誰(shuí)

圖數(shù)據(jù)庫(kù)并不是存儲(chǔ)圖片的數(shù)據(jù)庫(kù)，參照維基百科的定義，他是“以圖數(shù)據(jù)結(jié)構(gòu)來(lái)實(shí)現(xiàn)語(yǔ)義查詢，并以節(jié)點(diǎn)(node)、邊(edge)、屬性(properties)來(lái)表示并存儲(chǔ)數(shù)據(jù)”。是不是聽(tīng)完感到一臉懵？

[[238292]]

用大白話來(lái)講，圖數(shù)據(jù)庫(kù)就是以“圖數(shù)據(jù)結(jié)構(gòu)”來(lái)存儲(chǔ)并查詢數(shù)據(jù)。

如果你連什么是“圖數(shù)據(jù)結(jié)構(gòu)”都不知道，那你的數(shù)據(jù)結(jié)構(gòu)一定是體育老師教的，請(qǐng)回去自行復(fù)習(xí)《數(shù)據(jù)結(jié)構(gòu)與算法》這本經(jīng)典教材。

讓我們?cè)倩氐綀D數(shù)據(jù)上，看看他的一些關(guān)鍵核心概念，圖數(shù)據(jù)庫(kù)源于圖理論，具有如下幾個(gè)特征：

• 節(jié)點(diǎn)(node)：通常表示實(shí)體，例如人員、賬戶、事件等，相當(dāng)于RDBMS中的一行記錄。
• 邊(edge)：又被稱為關(guān)系(relationships)，具有名字和方向，從一個(gè)節(jié)點(diǎn)指向另一個(gè)節(jié)點(diǎn)，邊是圖數(shù)據(jù)庫(kù)中最顯著的一個(gè)特征，在RDBMS中沒(méi)有對(duì)應(yīng)實(shí)現(xiàn)。
• 屬性(properties)：類似KV數(shù)據(jù)庫(kù)中的鍵值對(duì)，節(jié)點(diǎn)和邊都可以有屬性。

圖數(shù)據(jù)庫(kù)將數(shù)據(jù)以屬性方式存儲(chǔ)在節(jié)點(diǎn)或邊中，以邊來(lái)表示節(jié)點(diǎn)之間的關(guān)系，并用特定查詢語(yǔ)言，進(jìn)行數(shù)據(jù)檢索。

節(jié)點(diǎn)、邊、屬性示意圖

他從哪兒來(lái)

從圖數(shù)據(jù)庫(kù)的原型出現(xiàn)至今，已經(jīng)發(fā)展超過(guò)了半個(gè)世紀(jì)。圖數(shù)據(jù)庫(kù)的前身，可以追溯至上世紀(jì)60年代的Navigational databases，IBM開(kāi)發(fā)了類似樹(shù)形結(jié)構(gòu)的數(shù)據(jù)存儲(chǔ)模型。到1969年的網(wǎng)絡(luò)數(shù)據(jù)庫(kù)語(yǔ)言(Network database language)，支持圖數(shù)據(jù)結(jié)構(gòu)的展現(xiàn)。

又經(jīng)過(guò)漫長(zhǎng)的30年，其間出現(xiàn)過(guò)可標(biāo)記的圖形數(shù)據(jù)庫(kù)Logic Data Model，直至21世紀(jì)初，人們研發(fā)出具有ACID特性的里程碑式圖數(shù)據(jù)庫(kù)產(chǎn)品，例如：Neo4j、Oracle Spatial and Graph。

到2010年后，可支持水平擴(kuò)展的分布式圖數(shù)據(jù)庫(kù)開(kāi)始興起，例如OrientDB，ArangoDB，MarkLogic。至今，各式各樣的圖數(shù)據(jù)庫(kù)越來(lái)越受到重視，在Google、LinkedIn、Facebook這些***大公司中，已經(jīng)有了廣泛應(yīng)用，迎來(lái)了他***的時(shí)代。

他牛在哪兒

在傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)RDBMS中，并沒(méi)有明確的關(guān)系概念，或許叫表格數(shù)據(jù)庫(kù)更貼切，而圖數(shù)據(jù)庫(kù)，恰恰是表現(xiàn)實(shí)體之間關(guān)系的利器。

在表現(xiàn)實(shí)體間關(guān)系時(shí)，RDBMS會(huì)將另一個(gè)實(shí)體的唯一標(biāo)識(shí)，存儲(chǔ)到表中的某一列，來(lái)與其他實(shí)體進(jìn)行關(guān)聯(lián)，例如典型的主鍵、外鍵。當(dāng)遇到多對(duì)多關(guān)系時(shí)，典型做法會(huì)引入中間表，來(lái)存儲(chǔ)兩個(gè)實(shí)體ID間的關(guān)系，例如我們最熟悉的用戶角色多對(duì)多關(guān)系。在查詢時(shí)，需要多個(gè)表進(jìn)行join連接，依次查詢所需信息。

而圖數(shù)據(jù)庫(kù)，會(huì)直接存儲(chǔ)兩個(gè)實(shí)體之間的關(guān)系。仍以用戶角色多對(duì)多關(guān)系舉例，用戶實(shí)體會(huì)有一個(gè)指針直接指向?qū)?yīng)的角色記錄，而這個(gè)指針，就是上文所述的“邊(edge或relationships)”。而這樣存儲(chǔ)的好處是，當(dāng)查詢用戶和角色時(shí)，只查詢用戶就可順著“關(guān)系”直接取到角色信息，消除了RDBMS表關(guān)聯(lián)所花費(fèi)的性能開(kāi)銷(xiāo)。

用戶角色關(guān)系不同存儲(chǔ)方式示意圖

當(dāng)然，上述圖數(shù)據(jù)庫(kù)和RDBMS的對(duì)比只是舉了一個(gè)非常簡(jiǎn)單的例子。

圖數(shù)據(jù)庫(kù)真正的價(jià)值，是靈活存儲(chǔ)復(fù)雜關(guān)聯(lián)關(guān)系，在深度超過(guò)1層以上關(guān)系中查找遍歷，或是基于復(fù)雜算法的實(shí)時(shí)數(shù)據(jù)關(guān)系挖掘。

在電商推薦引擎中，通常需要整合商品、客戶、供應(yīng)商、物流等關(guān)鍵信息，挖掘用戶可能感興趣的商品。而圖數(shù)據(jù)庫(kù)可以快速記錄這些大量復(fù)雜關(guān)系，實(shí)時(shí)為用戶提供可能所需產(chǎn)品。

在社交網(wǎng)絡(luò)圖譜場(chǎng)景中，可記錄用戶社交關(guān)系，查找直接或間接認(rèn)識(shí)的人，查找交際網(wǎng)中***影響力的人物，這些操作對(duì)于圖數(shù)據(jù)庫(kù)都是易如反掌。

在搜索引擎場(chǎng)景中，利用圖數(shù)據(jù)庫(kù)形成知識(shí)網(wǎng)絡(luò)，當(dāng)用戶輸入關(guān)鍵詞檢索時(shí)，和關(guān)鍵詞義衍生的其他條目也可展現(xiàn)出來(lái)，在大量數(shù)據(jù)下，可輕松維護(hù)這些知識(shí)的相互聯(lián)系。

在路徑規(guī)劃場(chǎng)景中，存儲(chǔ)各站點(diǎn)之間的關(guān)聯(lián)，并實(shí)時(shí)計(jì)算出***路徑…

圖數(shù)據(jù)庫(kù)還有其他諸多應(yīng)用場(chǎng)景，當(dāng)遇到大數(shù)據(jù)量的復(fù)雜實(shí)體關(guān)系存儲(chǔ)、查詢及可視化，都可以考慮使用圖數(shù)據(jù)庫(kù)。

當(dāng)然人無(wú)完人，他在解決復(fù)雜關(guān)系存儲(chǔ)及查詢時(shí)有著諸多便利，但當(dāng)記錄大量結(jié)構(gòu)化的數(shù)據(jù)時(shí)，就比不上傳統(tǒng)大數(shù)據(jù)存儲(chǔ)工具了，例如ES、HBase等。所以我們建議在實(shí)際生產(chǎn)環(huán)境中，混合使用傳統(tǒng)RDBMS和圖數(shù)據(jù)庫(kù)。

誰(shuí)能站在圖數(shù)據(jù)庫(kù)的C位

圖數(shù)據(jù)庫(kù)有如此多的優(yōu)勢(shì)，我們團(tuán)隊(duì)也嘗試在實(shí)際項(xiàng)目中落地，調(diào)研了若干開(kāi)源圖數(shù)據(jù)庫(kù)引擎，下面是簡(jiǎn)單的橫向?qū)Ρ龋└魑粎⒖肌?/p>

通過(guò)以上對(duì)比可以得知：

• Neo4j是最早起家做Graph DBMS，產(chǎn)品非常成熟，但是cluster和replication均需要企業(yè)收費(fèi)版支持，且是GPL V3授權(quán)，假如將其用于商業(yè)目的，也需要繳納版權(quán)費(fèi)用。
• JanusGraph是基于Titan圖數(shù)據(jù)庫(kù)延續(xù)下來(lái)的開(kāi)源項(xiàng)目，由Linux Foundation進(jìn)行維護(hù)。它并不是原生的圖數(shù)據(jù)庫(kù)引擎，而是底層使用ES、HBase等傳統(tǒng)結(jié)構(gòu)存儲(chǔ)，并在上面封裝圖查詢API。
• ArangoDB和OrientDB均支持Document、Graph及KV存儲(chǔ)，分區(qū)擴(kuò)展及備份完善，具有ACID事務(wù)支持。

在技術(shù)選型時(shí)，有幾個(gè)特性我們需要著重考慮：

1. 授權(quán)，是否商業(yè)付費(fèi)；
2. 底層存儲(chǔ)，有一些圖數(shù)據(jù)庫(kù)底層仍使用傳統(tǒng)RDBMS存儲(chǔ)，僅在上層封裝圖查詢API，所以在大數(shù)據(jù)量關(guān)系查詢時(shí)，也許性能不如人意；
3. 分布式支持，為了應(yīng)對(duì)大數(shù)據(jù)量，在生產(chǎn)環(huán)境應(yīng)能夠水平拆分及復(fù)制備份。

結(jié)合以上幾點(diǎn)考慮，我們團(tuán)隊(duì)目前選擇了OrientDB進(jìn)行下一步落地開(kāi)發(fā)。

他怎樣助力逆向處置團(tuán)隊(duì)

目前，逆向處置團(tuán)隊(duì)一些有想法的小伙伴們已經(jīng)搭上圖數(shù)據(jù)庫(kù)這趟列車(chē)，推動(dòng)技術(shù)創(chuàng)新在實(shí)際業(yè)務(wù)中的應(yīng)用，進(jìn)行一些特定場(chǎng)景的數(shù)據(jù)開(kāi)發(fā)工作。如存儲(chǔ)客戶關(guān)系資料、咨詢事件、訂單、服務(wù)單等信息。在知識(shí)庫(kù)項(xiàng)目中也有嘗試，用于開(kāi)發(fā)知識(shí)圖譜特性，建立知識(shí)的深層次聯(lián)系。

對(duì)于互聯(lián)網(wǎng)公司來(lái)說(shuō)，核心競(jìng)爭(zhēng)力源于技術(shù)，同時(shí)對(duì)技術(shù)的不斷創(chuàng)新，或是對(duì)創(chuàng)新技術(shù)的應(yīng)用，亦是推動(dòng)公司和團(tuán)隊(duì)發(fā)展和進(jìn)步的重要手段之一。

上述內(nèi)容為我們團(tuán)隊(duì)在近期研發(fā)中做出的大膽探索并取得的一些心得，在此與大家分享。如果這篇文章也激發(fā)了你對(duì)圖數(shù)據(jù)庫(kù)的興趣，歡迎與我們一同學(xué)習(xí)，共同探討。