“知识”用图来表现是什么样子的？
知识点之间的关系或许才是更重要的那一趴？
最近，我对 #知识图谱 产生了浓厚的兴趣。在构建知识图谱的各个环节中，最让我感到惊艳的，莫过于它的存储基石——#图数据库。它和我们熟悉的 MySQL、Oracle 这类传统数据库截然不同，为我们理解和处理数据提供了一种全新的范式。
一、什么是知识图谱
知识图谱（Knowledge Graph），本质上是一个巨大的、富含语义的网络结构图，它由实体（节点）和关系（边）组成，旨在描述现实世界中的实体（如人、地点、事件）及其之间的丰富关系。知识图谱能让机器能够“理解”数据之间的逻辑，而不仅仅是存储它们。
那么，一个随之而来的关键问题是：如何高效地存储和查询知识图谱中这种错综复杂的连接关系？
传统的关系型数据库（如 MySQL）在处理多层次的关联查询时，往往需要大量的 JOIN 操作，导致性能急剧下降，查询语句也异常复杂。正是在这样的需求下，图数据库（Graph Database） 应运而生，它以其原生处理关系的强大能力，成为了知识图谱最理想的“家园”。 （🔍复杂关系场景，图数据库为何是首选？）
二、什么是图数据库
要理解图数据库，首先要建立“图”的思维。
这里的“图”并非指常见的饼图、柱状图，而是数学和计算机科学中的图论概念，即由节点和连接这些节点的边构成的网络。
1. 三元组
图数据库和知识图谱的最小知识单元是三元组，其形式为：主体-关系-客体。
示例1：张三-认识-李四
示例2：北京-是-中国首都
示例3：刘德华-主演-无间道
这个简单的结构能够表达出极其丰富的语义信息。
2. 点与边
三元组在图数据库中具体体现为：
节点：代表实体。例如，一个人、一家公司、一部电影。节点可以有标签（如 Person, Movie）来分类，并且可以拥有多个属性（如 name: ‘张三’, age: 28）。
边：代表关系。它连接两个节点，定义了它们之间的关系。边同样可以拥有方向和属性。例如，一条从“张三”指向“李四”的边，类型是 KNOWS，并且可以有一个 since: 2020 的属性，表示相识年份。
这种直观的建模方式，使得数据及其关系能够以最自然的形式被存储和呈现。
从上面的分析可以清晰的理解，图数据库，就是一种专门用来处理和查询“关系”的数据库。它不关心数据本身有多少（因为它们拥有处理万亿级海量数据的高性能），而是特别关心数据之间是怎么连起来的。它的核心优势是：沿着关系找东西，速度快得飞起。
三、知识图谱的构建思路
1. 知识定义与建模
明确业务边界，设计本体。即定义有哪些类型的实体（节点标签）和关系（边类型），以及它们各自拥有哪些属性。这是构建图谱的蓝图，从面向对象开发的角度理解，你可以理解为“类的定义”。
2. 知识获取
确定知识图谱主题后，收集各类数据，然后从各类数据源中提取信息。其中，数据的形式包括：
结构化数据：直接从业务数据库（MySQL 等）中获取。
半结构化/非结构化数据：通过爬虫、NLP 技术从文本（甚至可以是一本书）、网页中抽取实体和关系。
这里提到的实体和关系，从面向对象开发的角度理解，你可以理解为“类的实例化”。
3. 知识融合与存储
将获取的知识进行清洗和整合。关键任务是实体链接（也有人称之为：实体对齐），即判断不同来源的“Steve Jobs”和“乔布斯”是否指向同一实体，消除歧义。最后，将处理好的三元组数据存入图数据库。
4. 知识应用与可视化
利用图查询语言（如 Cypher、nGQL）对图谱进行查询、推理和分析。并将结果通过图谱可视化、智能问答、推荐系统等方式呈现给最终用户。
四、主流图数据库概览
当前，图数据库领域有多种产品，主要可分为原生图数据库（存储和计算引擎均为图专用）和非原生图数据库（基于其他存储引擎构建图处理层）。
我找了以下的一些产品，分析理解了一下，也参考了一些书籍，汇总成下面这个表格，供大家参考：
这个表格，我基本还原了书本原作者的内容，仅做了部分扩充。
结合上表，再从国产信创、DB-Engines 排名、性能、架构、生态、依赖性与成本（包括学习成本）等角度分析，数剧科技最终选择了 NebulaGraph。
目前数剧科技已经完成 NebulaGraph 的初步搭建与测试，其性能和易用性符合我们的预期，不仅解决了当下的技术问题，更为未来的业务发展选定了清晰的方向和可靠的技术底座。具体场景与业务收益我们会在后续的文章中分享出来。
下图是基于 NebulaGraph 做的一个测试图谱样例：
五、结语
图数据库以其“关系为中心”的核心思想，完美地契合了知识图谱对复杂关系管理和挖掘的需求。随着人工智能从感知智能走向认知智能，能够理解和处理逻辑关系的知识图谱与图数据库，必将扮演越来越重要的角色，期待 NebulaGraph 在 AI 时代为更多场景解锁图数据库的业务价值。
关于数剧科技
数剧科技 是一家AI原生公司，专注于将管理科学、数据科学与 AI 技术深度融合，打造赋能高级管理与核心决策的智能体、工具、系统，助力组织和个人实现决策智能化。
🔥日本 nMeetUp 火热报名中
🔥O2O 计划招募中，免费为你提供技术支持
📧来论坛，GraphRAG 产品反馈一键直达 NebulaGraph 产品团队。
https://discuss.nebula-graph.com.cn/t/topic/17256
✦
如果你觉得 NebulaGraph 能帮到你，或者你只是单纯支持开源精神，可以在 GitHub 上为 NebulaGraph 点个 Star！
每一个 Star 都是对我们的支持和鼓励✨
GitHub：https://github.com/vesoft-inc/nebula
官网：https://www.nebula-graph.com.cn/
论坛：https://discuss.nebula-graph.com.cn/
✦
✦
扫码添加
可爱星云
技术交流
资料分享
NebulaGraph 用户案例
✦
Why Graph Database？⬇️
风控场景：普适智能｜中证数智｜BlockSec｜携程｜Airwallex｜众安保险｜中国移动｜Akulaku｜邦盛科技｜360数科｜BOSS直聘｜金蝶征信｜快手｜青藤云安全
平台建设：博睿数据｜携程｜众安科技｜微信｜OPPO｜vivo｜美团｜百度爱番番｜携程金融｜普适智能｜BIGO
知识图谱：普适智能｜中证数智｜中医药大学｜企查查｜腾讯音乐｜中科大脑｜泰康在线｜苏宁｜微澜｜同花顺｜携程酒店
营销推荐：阿里妈妈
GraphRAG：中科数睿
✦
✦
