图数据库对比

2020-08-16 发布于博客 2120 字 5 分钟

<%= wordcount(post.content) %> <%= min2read(post.content) %> <%= totalcount(site) %>

图数据库的对比

图数据库	是否分布式	开发语言	支持的节点数量	原生图存储	multi_model	查询语言	支持开发的语言	开发公司	落地的公司	是否开源	使用场景	开源地址	文档地址
neo4j	社区单机版/商业是伪分布式	java	百亿	是	否	cypher	java/python	neo4j	使用非常广泛	否	OLAP
nebula graph	分布式	java	千亿个	是	否	nsql	java		京东 /360/携程/oppo/各种银行		OLAP	https://github.com/vesoft-inc/nebula-graph
ultipa	分布式			是	否			北京同心尚科技发展有限公司	金融行业	否	HTAP
janusgraph	分布式	java		否	是	gremlin	java	The Linux Foundation	apache顶级项目	是	OLAP	https://github.com/JanusGraph/janusgraph	https://docs.janusgraph.org/
hugegraph	分布式	java		否	是	gremlin	java	百度	百度	是	OLAP	https://github.com/hugegraph/hugegraph
tugraph	分布式	C++		是	否	cypher	C++	费马科技	京东金融、搜狗、国家电网	否	OLAP	wget https://fma-ai.cn/download/lgraph_latest.tar	https://fma-ai.cn/help/
tigergraph	单机开发/商业是分布式	C++	万亿	是	否	GSQL		tighergraph	国家电网、国有银行	否	OLTP		https://www.tigergraph.com.cn/
geagraph										否

JanusGraph

JanusGraph是一个可扩展的图数据库，可以把包含数千亿个顶点和边的图存储在多机集群上。它支持事务，支持数千用户实时、并发访问存储在其中的图。

anusGraph是2016年12月27日从Titan fork出来的一个分支 (1)分布式部署，因此，支持集群。 (2)可以存储大图，比如包含数千亿Vertices和edges的图。 (3)支持数千用户实时、并发访问。（并发访问肯定是实时的，这个唉，没必要强调好像） (4)集群节点可以线性扩展，以支持更大的图和更多的并发访问用户。（Elastic and linear scalability for a growing data and user base） (5)数据分布式存储，并且每一份数据都有多个副本，因此，有更好的计算性能和容错性。（Data distribution and replication for performance and fault tolerance） (6)支持在多个数据中心做高可用，支持热备份。（Elastic and linear scalability for a growing data and user base） (7)支持各种后端存储系统，目前标准支持以下四种，当然也可以增加第三方的存储系统： Apache Cassandra® Apache HBase® Google Cloud Bigtable Oracle BerkeleyDB (8)通过集成大数据平台，比如Apache Spark、Apache Giraph、Apache Hadoop等，支持全局图数据分析、报表、ETL (9)支持geo（Gene Expression Omnibus，基因数据分析）、numeric range（这个的含义不清楚） (10)集成ElasticSearch、Apache Solr、Apache Lucene等系统后，可以支持全文搜索。 (11) 原生集成Apache TinkerPop图技术栈，包括Gremlin graph query language、Gremlin graph server、Gremin applications。 (12)开源，基于Apache 2 Licence。 (13)通过使用以下系统可以可视化存储在JanusGraph中的图数据： Cytoscape Gephi plugin for Apache TinkerPop Graphexp KeyLines by Cambridge Intelligence Linkurious

java语言开发，不支持python语言

性能要求图查询及图分析算法的执行快，涉及到底层存储结构，原生图存储基于点和边，计算中不需要过多的逻辑和物理层转换。原生图存储(neo4j/tigergraph)胜
容量大数据时代可获取的数据越来越多，单机的容量有限。原生图存储如何实现分布式存储是困难所在。TigerGraph自称是原生并行图；neo4j支持数据的高可用HA集群，但非分布式存储;JanusGraph利用HBase等NoSQL作为后端存储，在存储层面算是分布式的，容量可以很大。百度基于JanusGraph开源了HugeGraph，增加了很多特性，提高了易用性及性能，增加了一些图分析算法。
查询能力 图数据库要具备点关系的查询能力，必不可少的如两点间所有路径，最短路径，多度查询等，这个一般都具备，差异主要是性能，普通图数据库查询3度及以上通常性能就很低了，而实际经常需要查询6度的关系，tigergraph自己的测试报告性能是很强劲的针对twitter的大图数据库，只有tigergraph完成了6度关系查询
图分析计算能力 图数据库如果仅具备存储及查询能力，则还需要依赖外部的GraphX等计算引擎才能完成一些图算法分析，这样即在数据传输，又在图表达上存在转换浪费。TigerGraph可以通过GSQL实现类存储过程式的算法封装，且已实现了很多图算法https://www.tigergraph.com.cn/tigergraph开源十大图数据库算法库/

百度基于JanusGraph开源了HugeGraph，增加了很多特性，提高了易用性及性能，增加了一些图分析算法。

JanusGraph/HugeGraph是开源的，Apache协议，开放性最好

neo4j社区版开源，非商用免费，商业版支持HA集群，并不是完全分布式，使用最广最流行

TigerGraph将普通数据库归为第一第二代，自己为第三代，“TigerGraph是非常完备和优化的图数据库平台，支持大规模图存储以及大规模图的运行处理，具有非常强大的查询语言和算法库”。TigerGraph没有开源，开发者版支持单机单用户单图非商业免费，不支持DynamicSchemaChange等，图创建好之后也能通过界面手工去修改或添加，除非DropAll。TG的GSQL是类sql的语言，表达能力挺强，其将编写的query直接安装发布为restapi的形式让我感到很惊艳。目前TigerGraph的生态不是很全，编程api等能力也有一定限制，但值得尝试