对话新晋内核研发｜如何上手 NebulaGraph 的代码开发？

图数据库本质还是数据库，对于存储层而言，图区分于传统数据库的通常就是点边划分，概念大多可以在传统数据库中找到可以等价的部分，不需要非常深的图相关的知识。如果需要基本了解，在 NebulaGraph  和 Neo4j 的文档中都有比较清晰的介绍。

我和 yixiong 的观点大致相同。我认为图数据库和关系数据库，都是数据库的一个分支。纵然图数据库是近几年才被广泛提及的一个概念，但在理论和工程方面，我们仍然可以广泛地吸收传统数据库中的知识。不过，“图”数据库确实在建模方面区别于传统数据库中基于二维表的概念，而这种更具体的建模也能指引我们在执行、调度、存储等方面作出一些与传统数据库中不同的优化或取舍。关于“图”这个概念，其实在大学计算机课程中就会有一些基础介绍，而“图论”也是传统算法竞赛中一个重要的分支。以我个人的经历而言，我对图论的基础了解基本源自于算法竞赛的相关书籍。

嗯，我对 Salieri-004 建模那块的说法做个补充吧。图数据库相较于关系型数据库有不同的建模方式和查询语言，譬如图数据库建模有显式的点、边，关系型数据库则是基于表，两者之间虽然看似天差地别，但实际上有很多相似之处，甚至有比较直接的映射关系，可以把关系型建模“翻译”成图建模，这一点可以通过阅读 NebulaGraph 或 Neo4j 的介绍文档来学习了解。至于数据库内核，两者总体的架构和技术都是相似的，如果你熟悉关系型数据库的实现，那么你可以很丝滑地上手图数据库的研发，只不过考虑到 workload 的不同，两者在优化点上会有不同的侧重和取舍。

要想真正了解设计细节，最终肯定还是要阅读源码的。当然社区也有一些文章，但与最新的设计可能会有出入，最好直接看代码。在代码目录和头文件中也会有一些设计说明，时效性比文档要强很多。

NebulaGraph社区中写过不少技术博客，我觉得质量也比较高，是新手学习的一个不错的途径。比如：源码解读系列 和架构系列 的架构剖析三部曲。

具体到数据系统的理论部分，老生常谈的公开课 MIT6.824 ，CMU 15-445/645 ，CMU 15-721 ，都是理解数据库和分布式系统的硬核课程。

我就说下我自身的经历吧。我是先通过 NebulaGraph 的技术博客了解其基本的架构和实现，比如 《读 NebulaGraph源码 ｜ 查询语句 LOOKUP 的一生》 就是一个很好的上手文章。在阅读源码的时候，可以从自己熟悉的部分看起，也可以直接编译后进入调试来看，选择自己喜欢的方式即可。

首先比较关键的是要了解每个部分的大体作用，这些与传统数据库是类似的，但没有相关经验（比如最初的我）的人可能会读起来很迷茫，最好是对数据库设计有一些基本认识。此外，目的性是读源码的一个关键，漫无目的读很容易就迷失在细节中了，最好是带着一个目标去读。

我想，我们需要对数据库的架构和数据库查询执行的流程有一个整体的认识（可以见博客中的文章）。大致区分清楚每个模块的作用之后，读代码就没有那么吃力了。（不过好像还是得硬读，狗头）

数据库是一个高度模块化的软件，每个数据库都会有 Parser、Planner、Optimizer、Executor 等部分，虽然实现上不一定都划分的很清晰，但一定会有这些功能，那么就一定有相对应的代码。在读源码的时候，就可以分模块的去读，保持一个清晰的思路，没必要陷入到细枝末节中。

多看一些 Modern CPP 的开源项目，如 ClickHouse、Velox，多写、多交流。看项目主要是为了防止过度陷入细节，变成语言律师，多写主要是因为编程语言不写是记不住的，要常备一个编辑器和可用的编译器，经常随手写一写 Demo，CPP 语言细节实在太多，不能奢求都记住，遇到什么学什么就可以。数据库方面，我个人也基本还是个新手，系统设计方面的逻辑性没有代码这么强，我觉得只能多看 Paper 多思考了。

《C++ Primer》、《Effective C++》、《Effective Modern C++》、《C++ Core Guidelines》…有关 C++ 能学习的知识实在是太多，我觉得 C++ 作为一个工具而言确实有着既陡峭又漫长的学习曲线，我也完全不敢妄言自己熟悉 C++。我觉得，想要尽快上手 C++，或许可以先走马观花地过完几本经典书籍（微笑，就是上面那几本书），然后尽快阅读或参与到一些优秀的工程项目（比如 nebula）中，看看 Modern C++ 的一些新特性是如何应用到工程实践中，并亲身踩一踩那些书中提到的常见的坑。

我觉得 C++ 上手不难，精通很难。我建议是可以从简单做起，先把 C++ 就当成 C With Class 来用，在开发的过程中，遇到用得多的语言特性，那么就去相应地学习一下。学习的时候可以多写一些简单的 Demo 来验证一下，多问 ChatGPT，多看 cppreference.com。至于数据库领域，一些重要的语言特性还是需要了解的，比如移动语义、C++ 对象模型最好也了解一下。

打 log，我 GDB 用得不熟，通常只在 coredump 时用，大部分时候还是在关键点打 log 来调试。

关于 debug 工具，我的使用或许是比较远古的。GDB and LLM are all you need.

选择自己合适的即可，我投打印日志一票。

感觉主要就是看附近的代码怎么写就怎么写，一开始都是小规模修改为主，不会特别容易改的面目全非，如果说代码风格好的话应该主要是因为前人铺垫的好吧。

谈到这个问题我真的要流汗了，事实上我因为 Code Style 被提了不少 comment。虽然我们有泛化的 Code Style 规范（Google 编码规范的变种），但我认为想要维持好的代码质量，更多地是靠大家在 code review 时认真给出意见。另外，我想我们开源的代码中，一些部分的实现实际上是比较朴素的，没有用到一些现代数据库中常用的优化，这种朴素的实现自然理解起来比较轻松。而如何在可读性和性能之间作出平衡，则又是另外一个问题了。

好像我们没有特别严格的开发规范，风格方面的话有一些浅浅的约束。这方面开发的时候推荐使用一些工具来辅助，比如 clang-format。