为何选择图形数据库，为何选择Neo4j？

最近在抓取一些社交网站的数据，抓下来的数据用MySql存储。问我为何用MySql，那天然是入门简单，而且我当时只熟悉MySql。但是，随着数据量愈来愈大，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，而且为了保证每条数据的惟一性，还须要设置联合索引，MySql就有些力不从心了。那么有人要说了：分表呀。嗯，没错，分表的确能够在插入端和读取端提高一些速度。好比咱们能够根据id哈希到100张表中。查询一个用户有哪些粉丝是快了，可是查询一个用户关注了哪些人时仍然须要遍历全表。好，这时候咱们还能够以（id，其关注的一个用户的id）再构造100张表，因而两种查询都快了。然而，后面那100张表是冗余数据，看着就不爽...而且生成一张子图也不方便（须要屡次写SQL查表）。

因而，在搜索更好的方案时无心间发现了图形数据库，查阅一番资料后感受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必定要是图结构的。其数据模型以下图

---

进入今天的主题，我将以Neo4j为例，说明为何选择图形数据库？

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。做为一个图形数据库，Neo4j有如下优势：

• 更快的数据库操做。固然，有一个前提条件，那就是数据量较大，在MySql中存储的话须要许多表，而且表之间联系较多（即有很多的操做须要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有很大不一样）。
• 更灵活。无论有什么新的数据须要存储，都是一概的节点和边，只须要考虑节点属性和边属性。而MySql中即意味着新的表，还要考虑和其余表的关系。
• 数据库操做的速度并不会随着数据库的增大有明显的下降。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讲明为何选它。

1. 数据存储
   Neo4j对于图的存储天然是通过特别优化的。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，这将大大有助于提升图形数据库的性能。以下图：

2. 数据读写
   在Neo4j中，存储节点时使用了"index-free adjacency"，即每一个节点都有指向其邻居节点的指针，可让咱们在\(O(1)\)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"，因此单独存储，这有利于在图遍历的时候提升速度，也能够很方便地以任何方向进行遍历。

更多的资料能够看参考资料第一条。

---

关于为何选图形数据库就说到这。现在可供选择的图形数据库也很多，为何就选择了Neo4j呢？我简要归结为如下几点：

• 做为较早的一批图形数据库之一，文档和各类技术博客较多。
• 最开始曾尝试过flockdb（听说操做简单+轻量级），可是败于安装过程...，依赖太多。
• 网上常常有人将orientdb，arangodb与neo4j作对比，我固然也考虑过orientdb和arangodb。从易用性来讲都差很少。速度上的话看过一些评测，arangodb应该是相对最快的，由于其使用了混合索引。可是从稳定性来讲，neo4j是最好的。

---

时间有限，我并无通读Neo4j的官方文档。但做为一个数据库使用者，能大概地了解为何要选这个数据库就已经足够了。

最后作个总结吧。图形数据库是这几年兴起的，总体还不是很完善，并且适用面也是比较窄的。只有在明确本身的需求以后，才能肯定是否选择图形数据库。

转载请注明出处：http://www.cnblogs.com/rubinorth/

---

参考资料

1. Graph Databases for Beginners: Native vs. Non-Native Graph Technology
2. neo4j是怎么pk掉orientdb和titan的
3. arangodb官方文档，讲为何arangodb比neo4j快