图数据库选型 _节点

做图谱不可避免需要到图数据库，但是如何选择一个适合的图数据库，是一个问题，这篇文章是基于前人做的对比评测，希望能让大家对目前主流的图数据库由大致了解。仅为一家之言，如有偏驳，请指正。
文章会出现横向扩展和纵向扩展概念，横向扩展也叫水平扩展，用更多的节点支撑更大量的请求，如成千上万的蚂蚁完成一项搬运工作，也就是多增加几台服务器一起服务。纵向扩展也叫垂直扩展，扩展一个点的能力支撑更大请求，如蜘蛛侠逼停火车，也就是把服务器换成性能更好的机器。
美团评测 1.1前言
美团图谱业务数据量点边总数可达千亿以上，吞吐量可达数万QPS(每秒查询率)，结合业务现状，制定了选型的基本条件：
1.开源项目。
2.支持集群模式，具备存储和计算的横向扩展能力。
3.具备毫秒级多跳查询能力。
4.具备批量导入数据能力。
但Neo4j、、等一些数据库不支持多节点，不能横向扩展存储。无法满足大规模图谱数据的需求。对比实验选择了(原阿里团队创业开发)、(原团队创业开发)、(百度团队开发) 。
1.2硬件配置
数据库实例：运行在不同物理机上的容器
单实例资源：32核心、64G内存，1TB SSD存储。【Intel? Xeon? Gold 5218 CPU @ 2.30GHz】
实例数量：3
1.3测评数据集
实体情况：4类实体、总数26亿
关系情况：19类关系、总数177亿
数据格式：csv
1.4导入测试结果
1.4.1数据分析
：数据存储分布方式是主键哈希，各节点存储分布基本均衡。导入速度快，存储放大比最优。
：数据存储分布为三元组谓词，同一种关系只能保存在一个数据节点上，导致存储和计算严重偏斜。
：导入数据，先写满了一个节点1000G的磁盘，造成导入失败，无法导入全量数据。存储放大比最大，同时有严重的数据倾斜。
【图数据库选型】1.5实时写入测试
1.5.1数据分析
：数据存储分布方式是主键哈希，各节点存储分布基本均衡。写入请求可以由多个存储节点分担，因此响应时间和吞吐量大幅领先
：数据存储分布为三元组谓词，同一种关系只能保存在一个数据节点上，吞吐量较差。
：存储后端基于HBase，实时并发读写能力低于()和()，因此性能最差。(这里的、均为数据仓库)
1.6 数据查询测试
N跳返回ID
N跳返回属性
1.7讨论
有人提到的数据仓库HBase表需要做预分区。经过预分区处理之后，使用比美图评测较差的配置，单task顶点都有几千的QPS(每秒查询率) 。
2.腾讯云评测 2.1前言
比较对象：Neo4j，Neo4j是目前业界广泛使用的图数据库，包含社区版和商用版本，测评使用的是社区版。，是百度基于改进而来的分布式图数据库，具有良好的读写性能。，原阿里团队开发，数据负载均衡，读写速度快。
2.2测试硬件配置
2.3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对比。
2.4讨论
Q:数据集是什么？
A:腾讯云所用的数据集为内部脱敏关系数据，分布如下(将50度以上的结果截断) 。
Q：neo4j延迟怎么会这么慢？1000w条边，260G内存，都可以全缓存，为什么一度查询需要6s？
A:测试neo4j的时候使用推荐内存大小，但是测试几次仍稳定在6s左右，可能解释说查询时间是指图中的37ms，实验中记录的都是控制台显示结果的时间，故记录6s
3.Neo4j性能测评 3.1前言
测试的查询和修改均为查询出一条边和修改一条边，并且数据的量级也是基于边的关系，而节点是从这些边中抽取出来之后加上随机属性。以下结果都是基于一度查询，并没有做复杂查询。