什么选择图形数据库，为什么选择Neo4j？

98次阅读

共计 2394 个字符，预计需要花费 6 分钟才能阅读完成。

最近在抓取一些社交网站的数据，抓下来的数据用 MySql 存储。问我为什么用 MySql，那自然是入门简单，并且我当时只熟悉 MySql。可是，随着数据量越来越大，有一个问题始终困扰着我，那就是 社交关系的存储。

就以新浪微博举例，一个大 V 少则十几万，多则几千万的粉丝，这些关注关系要怎么存呢？在 MySql 中，一条关注关系（大 V id，大 V 的一个粉丝 id）存为一条数据，那么当用户数量上来的时候，关注关系轻松破亿，破十亿，甚至上百亿，并且为了保证每条数据的唯一性，还需要设置联合索引，MySql 就有些力不从心了。那么有人要说了：分表呀。嗯，没错，分表的确可以在插入端和读取端提升一些速度。比如我们可以根据 id 哈希到 100 张表中。查询一个用户有哪些粉丝是快了，但是查询一个用户关注了哪些人时仍然需要遍历全表。好，这时候我们还可以以（id，其关注的一个用户的 id）再构造 100 张表，于是两种查询都快了。然而，后面那 100 张表是冗余数据，看着就不爽 … 并且生成一张子图也不方便（需要多次写 SQL 查表）。

于是，在搜索更好的方案时无意间发现了图形数据库，查阅一番资料后感觉确实是个不错的选择，毕竟业界的一些大佬，如 twitter，Adobe 等也在用。

那么，什么是图形数据库呢 ？在这里我贴上较为官方的定义：a database that uses graph structures for semantic queries with nodes, edges and properties to represent and store data – independent of the way the data is stored internally. It’s really the model and the implemented algorithms that matter. 注意，这里只是说数据模型是图结构的，没有说数据的存储也一定要是图结构的。其数据模型如下图什么选择图形数据库，为什么选择 Neo4j？

进入今天的主题，我将以 Neo4j 为例，说明 为什么选择图形数据库？

首先，先简要介绍一下 Neo4j。Neo4j 是由 Java 和 Scala 写成的一个 NoSql 数据库，专门用于网络图的存储。更详细的内容可见官网。作为一个图形数据库，Neo4j 有以下优点：

更快的数据库操作。当然，有一个前提条件，那就是数据量较大，在 MySql 中存储的话需要许多表，并且表之间联系较多（即有不少的操作需要 join 表）。
数据更直观，相应的 SQL 语句也更好写（Neo4j 使用 Cypher 语言，与传统 SQL 有很大不同）。
更灵活。不管有什么新的数据需要存储，都是一律的节点和边，只需要考虑节点属性和边属性。而 MySql 中即意味着新的表，还要考虑和其他表的关系。
数据库操作的速度并不会随着数据库的增大有明显的降低。这得益于 Neo4j 特殊的数据存储结构和专门优化的图算法。

接着，试着从更深一些的层次看图形数据库。我将从 Neo4j 的数据存储和数据读写两方面来说明为什么选它。

数据存储
Neo4j 对于图的存储自然是经过特别优化的。不像传统数据库的一条记录一条数据的存储方式，Neo4j 的存储方式是：节点的类别，属性，边的类别，属性等都是分开存储的，这将大大有助于提高图形数据库的性能。如下图：
数据读写
在 Neo4j 中，存储节点时使用了 ”index-free adjacency”，即每个节点都有指向其邻居节点的指针，可以让我们在 $O (1)$ 的时间内找到邻居节点。另外，按照官方的说法，在 Neo4j 中边是最重要的, 是 ”first-class entities”，所以单独存储，这有利于在图遍历的时候提高速度，也可以很方便地以任何方向进行遍历。

更多的资料可以看参考资料第一条。

关于为什么选图形数据库就说到这。如今可供选择的图形数据库也不少，为什么就选择了 Neo4j 呢？我简要归结为以下几点：

作为较早的一批图形数据库之一，文档和各种技术博客较多。
最开始曾尝试过 flockdb（据说操作简单 + 轻量级），但是败于安装过程 …，依赖太多。
网上经常有人将 orientdb，arangodb 与 neo4j 做对比，我当然也考虑过 orientdb 和 arangodb。从易用性来说都差不多。速度上的话看过一些评测，arangodb 应该是相对最快的，因为其使用了混合索引。但是从稳定性来说，neo4j 是最好的。

时间有限，我并没有通读 Neo4j 的官方文档。但作为一个数据库使用者，能大概地了解为什么要选这个数据库就已经足够了。

最后做个总结吧。图形数据库是这几年兴起的，整体还不是很完善，而且适用面也是比较窄的。只有在明确自己的需求之后，才能确定是否选择图形数据库。

Neo4j 的详细介绍：请点这里
Neo4j 的下载地址：请点这里

推荐阅读：

Neo4j 生成测试数据 http://www.linuxidc.com/Linux/2012-05/61466.htm

Neo4j 运行原理 http://www.linuxidc.com/Linux/2012-02/53689.htm

Neo4j High Availability 配置 http://www.linuxidc.com/Linux/2012-02/53688.htm

Neo4J 图数据库实践系列

图数据库实践系列 (一)–Neo4J 简介与安装 http://www.linuxidc.com/Linux/2013-08/88766.htm

图数据库实践系列 (二)–Neo4J 空间数据存储 http://www.linuxidc.com/Linux/2013-08/88767.htm

图数据库实践系列 (三)–Neo4j Spatial 的 REST 集成 http://www.linuxidc.com/Linux/2013-08/88768.htm

本文永久更新链接地址：http://www.linuxidc.com/Linux/2016-09/135040.htm