圖數據庫 | 靈活存儲復雜關聯關系
在這個數據為王的時代，如何存儲及分析海量數據，是個不那么容易的事情。近年來，圖數據庫逐漸映入我們眼簾，已成為NoSQL中關注度***，發展趨勢最明顯的數據庫之一。圖數據庫，他是誰？從哪兒來？牛在哪兒？怎樣助力研發工作？且聽京東攻城獅怎么說。
他是誰
圖數據庫并不是存儲圖片的數據庫，參照維基百科的定義，他是“以圖數據結構來實現語義查詢，并以節點(node)、邊(edge)、屬性(properties)來表示并存儲數據”。是不是聽完感到一臉懵？
用大白話來講，圖數據庫就是以“圖數據結構”來存儲并查詢數據。
如果你連什么是“圖數據結構”都不知道，那你的數據結構一定是體育老師教的，請回去自行復習《數據結構與算法》這本經典教材。
讓我們再回到圖數據上，看看他的一些關鍵核心概念，圖數據庫源于圖理論，具有如下幾個特征：
- 節點(node)：通常表示實體，例如人員、賬戶、事件等，相當于RDBMS中的一行記錄。
- 邊(edge)：又被稱為關系(relationships)，具有名字和方向，從一個節點指向另一個節點，邊是圖數據庫中最顯著的一個特征，在RDBMS中沒有對應實現。
- 屬性(properties)：類似KV數據庫中的鍵值對，節點和邊都可以有屬性。
圖數據庫將數據以屬性方式存儲在節點或邊中，以邊來表示節點之間的關系，并用特定查詢語言，進行數據檢索。
節點、邊、屬性示意圖
他從哪兒來
從圖數據庫的原型出現至今，已經發展超過了半個世紀。圖數據庫的前身，可以追溯至上世紀60年代的Navigational databases，IBM開發了類似樹形結構的數據存儲模型。到1969年的網絡數據庫語言(Network database language)，支持圖數據結構的展現。
又經過漫長的30年，其間出現過可標記的圖形數據庫Logic Data Model，直至21世紀初，人們研發出具有ACID特性的里程碑式圖數據庫產品，例如：Neo4j、Oracle Spatial and Graph。
到2010年后，可支持水平擴展的分布式圖數據庫開始興起，例如OrientDB，ArangoDB，MarkLogic。至今，各式各樣的圖數據庫越來越受到重視，在Google、LinkedIn、Facebook這些***大公司中，已經有了廣泛應用，迎來了他***的時代。
他牛在哪兒
在傳統關系型數據庫RDBMS中，并沒有明確的關系概念，或許叫表格數據庫更貼切，而圖數據庫，恰恰是表現實體之間關系的利器。
在表現實體間關系時，RDBMS會將另一個實體的唯一標識，存儲到表中的某一列，來與其他實體進行關聯，例如典型的主鍵、外鍵。當遇到多對多關系時，典型做法會引入中間表，來存儲兩個實體ID間的關系，例如我們最熟悉的用戶角色多對多關系。在查詢時，需要多個表進行join連接，依次查詢所需信息。
而圖數據庫，會直接存儲兩個實體之間的關系。仍以用戶角色多對多關系舉例，用戶實體會有一個指針直接指向對應的角色記錄，而這個指針，就是上文所述的“邊(edge或relationships)”。而這樣存儲的好處是，當查詢用戶和角色時，只查詢用戶就可順著“關系”直接取到角色信息，消除了RDBMS表關聯所花費的性能開銷。
用戶角色關系不同存儲方式示意圖
當然，上述圖數據庫和RDBMS的對比只是舉了一個非常簡單的例子。
圖數據庫真正的價值，是靈活存儲復雜關聯關系，在深度超過1層以上關系中查找遍歷，或是基于復雜算法的實時數據關系挖掘。
在電商推薦引擎中，通常需要整合商品、客戶、供應商、物流等關鍵信息，挖掘用戶可能感興趣的商品。而圖數據庫可以快速記錄這些大量復雜關系，實時為用戶提供可能所需產品。
在社交網絡圖譜場景中，可記錄用戶社交關系，查找直接或間接認識的人，查找交際網中***影響力的人物，這些操作對于圖數據庫都是易如反掌。
在搜索引擎場景中，利用圖數據庫形成知識網絡，當用戶輸入關鍵詞檢索時，和關鍵詞義衍生的其他條目也可展現出來，在大量數據下，可輕松維護這些知識的相互聯系。
在路徑規劃場景中，存儲各站點之間的關聯，并實時計算出***路徑…
圖數據庫還有其他諸多應用場景，當遇到大數據量的復雜實體關系存儲、查詢及可視化，都可以考慮使用圖數據庫。
當然人無完人，他在解決復雜關系存儲及查詢時有著諸多便利，但當記錄大量結構化的數據時，就比不上傳統大數據存儲工具了，例如ES、HBase等。所以我們建議在實際生產環境中，混合使用傳統RDBMS和圖數據庫。
誰能站在圖數據庫的C位
圖數據庫有如此多的優勢，我們團隊也嘗試在實際項目中落地，調研了若干開源圖數據庫引擎，下面是簡單的橫向對比，供各位參考。
通過以上對比可以得知：
- Neo4j是最早起家做Graph DBMS，產品非常成熟，但是cluster和replication均需要企業收費版支持，且是GPL V3授權，假如將其用于商業目的，也需要繳納版權費用。
- JanusGraph是基于Titan圖數據庫延續下來的開源項目，由Linux Foundation進行維護。它并不是原生的圖數據庫引擎，而是底層使用ES、HBase等傳統結構存儲，并在上面封裝圖查詢API。
- ArangoDB和OrientDB均支持Document、Graph及KV存儲，分區擴展及備份完善，具有ACID事務支持。
在技術選型時，有幾個特性我們需要著重考慮：
- 授權，是否商業付費；
- 底層存儲，有一些圖數據庫底層仍使用傳統RDBMS存儲，僅在上層封裝圖查詢API，所以在大數據量關系查詢時，也許性能不如人意；
- 分布式支持，為了應對大數據量，在生產環境應能夠水平拆分及復制備份。
結合以上幾點考慮，我們團隊目前選擇了OrientDB進行下一步落地開發。
他怎樣助力逆向處置團隊
目前，逆向處置團隊一些有想法的小伙伴們已經搭上圖數據庫這趟列車，推動技術創新在實際業務中的應用，進行一些特定場景的數據開發工作。如存儲客戶關系資料、咨詢事件、訂單、服務單等信息。在知識庫項目中也有嘗試，用于開發知識圖譜特性，建立知識的深層次聯系。
對于互聯網公司來說，核心競爭力源于技術，同時對技術的不斷創新，或是對創新技術的應用，亦是推動公司和團隊發展和進步的重要手段之一。
上述內容為我們團隊在近期研發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了你對圖數據庫的興趣，歡迎與我們一同學習，共同探討。
