性能远超 Neo4j？专访图数据库 Nebula Graph 创始人

本月初，DB-Engines 如期发布了最新的全球数据库管理系统排行榜，传统关系型数据库依然雄踞榜单前几位，蚕食了绝大部分数据库市场。 

对于大部分中小型厂商来说，在数据量少、并发量小的情况下，公司内部使用的管理型系统的首选依然是关系型数据库，包括 MySQL、Oracle、SQL Server、PostgreDB 等等，这些也都是我们平时接触得最多的数据库系统。 

但随着互联网流量爆发式增长，越来越多的公司业务需要支撑海量数据存储，对高并发、高可用、高可扩展性等特性提出了更高的要求，传统的关系型数据库在应付这些情况时已经显得力不从心。由此，各种各样的 NoSQL（Not Only SQL）数据库作为传统关系型数据库的补充得到迅猛发展。

其中，图数据库（Graph DBMS）是一种基于图论存储实体之间关系信息的 NoSQL 数据库。最常见例子就是社会网络中人与人之间的关系。传统关系型数据库在存储“关系”数据的效果并不好，其查询逻辑复杂、缓慢、超出预期，而图数据库的独特设计恰恰弥补了这个缺陷，解决了关系型数据库存储和处理复杂关系数据功能较弱的问题。

但由于图数据库应用场景较为垂直，相关技术在国内起步较晚，与之相关的讨论和技术文档在国内也相对较少，社区很多朋友对图数据库技术的相关信息不甚了解。为此，我们邀请到了开源图数据库项目 Nebula Graph 的创始人叶小萌，请他为我们分享了图数据库在国内的应用情况与市场前景。

什么是图数据库 ？

图，计算机相关专业的同学应该都学过，是一种点和边构成的网状数据结构，而图数据库就是存储图数据并以此为基础进行语义查询的数据库。

本身图数据库存储的就是实体（点）和关系（边），所以擅长处理数据间关系，相对应的一些典型场景就呼之欲出了：社交网络，金融风控，推荐引擎，知识图谱，区块链等。

社交网络，比如，推荐一条最短路径让我结识迪丽热巴，还可以加上筛选条件，路径中的每个人都是单身女性。

金融风控，举个例子，去查一个信用卡反套现的网络。很典型的一个场景，A 转账到 B，B 转账到 C，C 又转回给 A 即是一个典型的闭环。对于这样的闭环，这类查询在图数据库大规模应用之前，大部分都是采用离线计算的方式去查找，但是离线场景很难去控制当前发生的这笔交易。一个信用卡交易或者在线贷款，整个作业流程很长，而在反套现这块的审核时间又限制在毫秒级，这就是图数据库非常大的一个应用场景。 

在推荐算法中，为某个人推荐他的好友。现在的方案是去找好友的好友，判断好友的好友有没有可能成为某人的新好友，这当中涉及好友关系的亲密度，抵达好友的好友的最短路径等。业务方可能会用 MySQL 等传统数据库或是 HBase 来存各类好友关系，然后通过多个串行的 Key-Value 来做查询，但这在线上场景是很难满足性能要求的。 

知识图谱这些年非常火，知识图谱结合自然语言的形式在金融、医疗、互联网等众多领域被广泛使用，常见的有语音助手、聊天机器人、智能问答等应用场景。而图数据库存储的数据结构完全适配知识图谱数据，图谱中的实体对应图数据库的点，实体与实体的关系对应图数据库的边，拿 Nebula 为例，Nebula Graph Schema 采用属性图，点边上的属性对应图谱实体和关系中的属性，边的方向表示了关系的方向，边上的标记表示了关系的类型。

再说到最近国内非常火的区块链场景，由于区块链上的所有行为都是公开被记录的又是不可篡改的，因此所有的交易行为，不管是历史数据，还是大概每几分钟产生的新 block，都可以对 DAT 文件解析后导入到图数据库和 GNN 中做分析。例如我们都听说在一些数字货币场景下，洗钱、盗窃、团伙、操纵市场的各类事情很多，通过图的手段包括可以帮助我们挖掘里面的非法行为。

图数据库与传统关系型数据库的关系

社区不少朋友曾讨论过，包括图数据库在内的 NoSQL 数据库未来是否会取代传统关系型数据库？ 

叶小萌认为，二者不是谁取代谁，或者谁干掉谁的关系，而是一种相辅相成的互补关系。不可否认，传统关系型数据库存储数据结构欠灵活，性能不佳等问题，但是相对应的，它们使用同一表结构的比较容易维护。至于企业要采用哪种类型的数据库，还要从业务本身出发，毕竟技术还是要服务于业务。一般 NoSQL 数据库是基于 CAP 模型，主要解决传统关系型数据库应对不了的大数据量，而传统的关系型数据库是基于 ACID 模型，主要解决数据一致性问题。

而且根据 Bloor 2020 年的图数据库报表所说：越来越多的关系型数据库厂商开始提供图查询和图处理功能，兼容图查询语言，这种趋势表明，数据库厂商意识到，客户的需求越来越难完全用关系型数据库或者图数据库解决，很多场景下需要融合几种方案。可见，NoSQL 数据库和传统关系型数据库还是相辅相成的。

Nebula Graph 的特性

据悉，Nebula Graph 是一个由叶小萌的团队完全自主研发的图数据库系统，主要有以下的技术特性：

• 存储计算分离

对于 Nebula Graph 来讲，有这么几个技术特点：第一个就是采用了存储计算分离的架构，主要好处就是为了上云或者说弹性，方便单独扩容。业务水位总是很难预测的，一段时间存储不够了，有些时候计算不够了。在云上或者使用容器技术，计算存储分离的架构运维起来会比较方便，成本也更好控制。

• 海量数据存储

Nebula Graph 擅长处理千亿节点万亿条边的超大数据集，并提供优秀的性能，这是 Neo4j 这样的传统图数据库做不到的。

 Nebula Graph VS Neo4j  

提到图数据库，Neo4j 自然是绕不过去的标杆，这是一个在开源社区中知名度非常高的图数据库项目，同时也是 DB-Engines 榜单中排名最高的图数据库产品。那么作为后来者，Nebula Graph 与 Neo4j 等市场上的主流图数据库相比，在性能上孰优孰劣？ 

关于 Nebula Graph 与 Neo4j 等知名图数据库的性能对比，有使用图数据库的开发者进行了专业的测试，我们直接找来了这份测试的详情： 

由于图数据库在挖掘黑灰团伙以及建立安全知识图谱等安全领域有着天然的优势，为了能更好的服务业务，选择一款高效并且贴合业务发展的图数据库就变得尤为关键。来自腾讯云安全团队的工程师挑选了几款业界较为流行的开源图数据库（Neo4j 社区版，HugeGraph) 与 Nebula Graph 进行了多角度的对比。 

• 比较对象：

Neo4j：Neo4j 是目前业界广泛使用的图数据库，包含社区版本和商用版本，本文中使用社区版本。

HugeGraph：HugeGraph 是百度基于 JanusGraph 改进而来的分布式图数据库，主要应用场景是解决百度安全事业部所面对的反欺诈、威胁情报、黑产打击等业务的图数据存储和图建模分析需求。具有良好的读写性能。

• 测试硬件环境：

• 性能对比：

使用不同量级的图从入库时间，一度好友查询，二度好友查询，共同好友查询几个方面进行了对比，结果如下：

可以看到在导入性能上，数据量小的时候 Nebula Graph 的导入效率稍慢于 Neo4j，但在大数据量的时候 Nebula Graph 的导入明显优于其他两款图数据库；在 3 种查询场景下，Nebula Graph 的效率都明显高于 Neo4j，与 HugeGraph 相比也有一定的优势。

• 查询语言对比：

从查询语句的角度出发，HugeGraph 所使用的 Gremlin 比较复杂，Nebula Graph 的 nGQL 和 Neo4j 的 Cypher 比较简练，从可读性角度来看，nGQL 比较类 SQL 化，比较符合大家的使用习惯。

• 可视化对比：

在可视化方面，所有的平台都还只处于可用状态，Nebula Graph 的选择性扩展在团伙挖掘中是一个加分项，但是在二度结果展示流畅度，展示结果自定义展示方面还有优化空间。

在比较了多款业内主要使用的开源数据库后，测试团队从性能，学习成本和与业务的贴合程度多个角度考虑，最终选择了 Nebula Graph 图数据库。

本测试结果由腾讯云安全团队李航宇、邓昶博撰写

完整测试地址： 《Neo4j vs HugeGraph vs Nebula Graph》