开源分布式图数据库的思考和实践

• 图数据库市场的现状
• 图数据库的优势
• 以 Nebula Graph 为例
• 开源社区

--PostgreSQL 

WITH RECURSIVE post_all (psa_threadid

                      , psa_thread_creatorid, psa_messageid

                      , psa_creationdate, psa_messagetype

                       ) AS (

    SELECT m_messageid AS psa_threadid

         , m_creatorid AS psa_thread_creatorid

         , m_messageid AS psa_messageid

         , m_creationdate, 'Post'

      FROM message

     WHERE 1=1 AND m_c_replyof IS NULL -- post, not comment

       AND m_creationdate BETWEEN :startDate AND :endDate

  UNION ALL

    SELECT psa.psa_threadid AS psa_threadid

         , psa.psa_thread_creatorid AS psa_thread_creatorid

         , m_messageid, m_creationdate, 'Comment'

      FROM message p, post_all psa

     WHERE 1=1 AND p.m_c_replyof = psa.psa_messageid

     AND m_creationdate BETWEEN :startDate AND :endDate

)

SELECT p.p_personid AS "person.id"

     , p.p_firstname AS "person.firstName"

     , p.p_lastname AS "person.lastName"

     , count(DISTINCT psa.psa_threadid) AS threadCount

END) AS messageCount

     , count(DISTINCT psa.psa_messageid) AS messageCount

  FROM person p left join post_all psa on (

       1=1   AND p.p_personid = psa.psa_thread_creatorid

   AND psa_creationdate BETWEEN :startDate AND :endDate

   )

 GROUP BY p.p_personid, p.p_firstname, p.p_lastname

 ORDER BY messageCount DESC, p.p_personid

 LIMIT 100;

--Cypher
MATCH (person:Person)<-[:HAS_CREATOR]-(post:Post)<-[:REPLY_OF*0..]-(reply:Message)
WHERE  post.creationDate >= $startDate   AND  post.creationDate <= $endDate
  AND reply.creationDate >= $startDate   AND reply.creationDate <= $endDate
person. RETURN
id,   person.firstName,   person.lastName,   count(DISTINCT post) AS threadCount,
  count(DISTINCT reply) AS messageCount
ORDER BY
  messageCount DESC,  person.id ASC
LIMIT 100

GO N TO M STEPS FROM $ids OVER $edge_type WHERE $filters | FETCH PROP

• Q：图数据库和多模数据库是冲突的吗？二者的关系是什么？
• A：相比来说多模数据库（multi-model），图数据库最大的特点是在于它的全关联，如何实现多跳查询。对应到数据库设计的话，就是考虑底层要做成一个什么样的数据格式，数据和计算怎么放在一起，这个和 multi-model 本身是不冲突的。为了提升性能，各个多模数据库处理方法并不一样：采用不同的存储引擎，或者是同一套存储引擎，数据结构可能会做成不同的样子。
• Q：图查询设计的出发点是什么？为什么不考虑一开始基于 Gremlin 开发？
• A：对于数据分析的同学，Gremlin 并不是一个低门槛语言，有些不友好。当时 Gremlin 的设计实现要求每个算子发出来之后必进行执行出来结果，举个例子，我现在要做一个 .out 和 .in，我必须得先执行  .out 再进行 .in，这样就不能进行一个全局优化。而 18 年的时候，openCypher 并不完善，小问题有些，表达力不行需要 APOC 进行补充，而 APOC 法律协议并不像 openCypher 那么确定，所以基于此，我们自研了 nGQL。在 19 年开始，GQL（查询语言标准化）运动开始了，GQL、Cypher 和 openCypher 关系比较明显，所以演变成了现在的 nGQL。