图数据库综述
简介
图数据库(Graph Database)是一种以图结构进行存储和查询的数据库。
图数据库的关键概念: 点（代表实体）和边（代表关系），通过边将顶点连接在一起，从而进行快速的图检索操作。
图数据库的优点
使用图（或者网）的方式来表达现实世界的关系很直接、自然，易于建模。
图数据库可以很高效的插入大量数据；
图数据库可以很高效的查询关联数据；
图查询语言大大方便了关联分析业务的持续开发；
图数据库提供了专业的分析算法、工具；
典型查询示例
多层关联：查询一个人的好友的好友有哪些？
最短路径：查询两个点之间的最短路径。
连通子图：查询一个点在K步以内相连接的所有邻接点（K=1,2,3…）。
协同推荐：查询一个人的好友里面，哪些人喜欢哪些东西，然后把那些东西推荐给这个人。
集中度测量：如PageRank、PersonalRank、特征向量集中度、亲密度等。
图数据库比较
| 对比点 | Neo4j | JanusGraph | HugeGraph | TinkerPop | OrientDB |
|---|---|---|---|---|---|
| 品牌知名度 | 最高 | 高 | 国际知名度一般，国内知名度高 | ||
| 开源生态 | 社区版开源，但较多限制，商业版闭源 | 开源，兼容Apache Tinkerpop生态，主要由IBM提供云上服务 | 开源，兼容Apache Tinkerpop生态，由百度领头，提供本土化技术与服务 | ||
| 图查询语言 | Cypher | Gremlin | Gremlin | ||
| 适用场景偏向 | 人工智能、欺诈检测、知识图谱等场景 | 云服务商、具备技术能力深厚的厂商 | 互联网大规模数据场景，网络安全、金融风控、广告推荐、知识图谱等 | ||
| 支持数据规模 | 社区版十亿级 | 百亿级以上 | 千亿级以上 | ||
| 大规模数据写入性能 | 在线导入速度慢，脱机导入速度较快 | 较慢 | 在线导入速度快，支持覆盖写 | ||
| 大规模数据查询性能 | 快 | 较快，性能抖动较严重 | 快，较稳定 | ||
| 功能完善程度 | 最完善 | 完善 | 完善 | ||
| Feature迭代速度 | 趋于完善，新功能上线较慢 | Fork自Titan，主要提供后端存储的版本兼容适配，基本很少上线新Feature | 百度自研，2016年项目启动，开源社区新功能迭代更新快速 | ||
| 开放及可扩展性 | 无法扩展 | 可扩展，不过代码复杂导致难度较大，内置支持4种后端存储：HBase、Cassandra、Bigtable、Berkeley | 可扩展，插件化机制扩展容易，内置支持6种以上后端存储：RocksDB、Cassandra、HBase、ScyllaDB、MySQL、PostgreSQL等 | ||
| 数据导入工具 | 支持CSV在线导入，速度在1万/秒内；支持neo4j-import脱机导入，速度在10万/秒级别，只能用于初始化导入 | 未提供支持 | 支持在线导入，速度在10万/秒级别，支持格式丰富：CSV、TXT、Json，支持从HDFS导入并兼任其各类压缩格式，支持从传统关系型数据库导入，包括MySQL、Oracle、PostgreSQL、SQL-Server等，支持从消息队列导入 | ||
| 数据备份恢复 | 支持脱机备份与恢复，需停机状态，商业版支持在线增量备份与脱机恢复 | 未提供支持，需要用户手动写程序 | 支持在线远程备份，支持在线远程恢复 | ||
| 数据增量备份 | 商业版支持，且支持备份数据加密 | 不支持 | 不支持 | ||
| API与客户端 | 支持HTTP API，支持Java、C#、JS语言版本的Client | 支持HTTP API或WebSocket，支持Java、Python、C#、JS语言版本的Client | 支持HTTP RESTful API，原生仅支持Java语言Client；支持Gremlin API，如果对外暴露Gremlin-Server后可支持Java、Python、C#、JS语言版本的Client | ||
| 可视化界面 | 支持，功能丰富 | 不支持，需要用户集成第三方界面 | 支持，功能丰富，支持可视化的数据建模、导入、分析等 | ||
| 内置常用图算法 | 提供安装算法包，提供了丰富的基本图算法，包括路径搜索、相似性、中心性、社区检测、链接预测等类别的算法 | 不支持 | 内置提供了基本的图算法，包括路径搜索、协同推荐、中心性、社区发现等类别的算法 | ||
| 支持图计算平台集成 | 未提供支持 | 支持Spark GraphX、Giraph等 | 支持Spark GraphX | ||
| 基础功能（属性图的增删该查、持久化存储、元数据、事务、缓存、查询优化、增量更新图） | 支持 | 支持 | 支持 | ||
| ACID事务 | 支持 | 部分支持，根据后端存储而定，Berkeley后端可完整支持事务，Cassandra后端支持原子性提交事务，HBase后端仅支持单行原子性理解，可能导致多行数之间据不一致 | 部分支持，根据后端存储而定，MySQL、PostgreSQL后端可完整支持事务，RocksDB、Cassandra后端支持原子性提交事务，HBase后端仅支持单行原子性；保证最终一致性 | ||
| Schema约束 | 商业版支持，包括属性非空、唯一性等约束，同时也支持Schema-Free | 支持，同时也支持Schema-Free | 支持，包括模式校验、属性非空、唯一性等约束，不允许Schema-Free | ||
| 属性索引 | 支持简单索引和复合索引，支持全文索引，依赖第三方Lucene库 | 支持复合索引和混合索引，复合索引允许精确匹配查询，混合索引支持范围查询、全文检索和空间检索，依赖第三方系统ES或Solr | 支持二级索引、范围索引、联合索引、全文索引，允许精确匹配查询、范围查询、全文检索等，均为原生实现不依赖第三方系统，不支持空间检索 | ||
| 图存储类型 | 本地存储 | 非本地存储，支持分布式存储 | 非本地存储，支持分布式存储 | ||
| 图分区 | 不支持 | 支持 | 支持 | ||
| 超级点问题 | 超级点的邻接边查询慢，十字链表存储结构难以加速部分边的查询 | 通过Vertex-Centric索引可缓解 | 通过Vertex-Centric索引可缓解，支持全量获取数据 | ||
| 多图实例 | 版本4.0支持 | 支持 | 支持 | ||
| 主键ID、自定义ID | 不支持 | 不支持主键ID，有限制的支持自定义Long ID，不过会导致数据不一致 | 支持 | ||
| 顶点或边数据的TTL | 不支持 | 支持，可精细到顶点属性粒度 | 支持 | ||
| 用户认证与权限控制 | 商业版支持 | 支持用户认证 | 支持用户认证、支持基于用户角色的权限控制 | ||
| 高危查询语句限制 | Cypher无关 | 不支持Gremlin高危语句限制 | 支持，可限制用户执行高危Gremlin语句，如禁止访问本地文件、退出进程、打开Socket连接等高危操作 | ||
| 运行中语句跟踪 | 商业版支持，包括：列出正在运行的查询语句、中断正在运行的查询 | 不支持 | 同步Gremlin查询不支持跟踪，异步Gremlin查询支持状态跟踪和任务取消 | ||
| LDAP集成 | 商业版支持 | 未提供支持 | 未提供支持，可扩展插件 | ||
| 高可用HA | 商业版支持 | 未提供支持 | 商业版支持 | ||
| 监控 | 商业版支持 | 支持Metrics监控 | 支持监控接口 |