爲什麼選擇圖形數據庫，爲什麼選擇Neo4j？
最近在抓取一些社交網站的數據，抓下來的數據用MySql存儲。問我爲什麼用MySql，那自然是入門簡單，並且我當時只熟悉MySql。可是，隨着數據量越來越大，有一個問題始終困擾着我，那就是社交關係的存儲。
就以新浪微博舉例，一個大V少則十幾萬，多則幾千萬的粉絲，這些關注關係要怎麼存呢？在MySql中，一條關注關係（大V id，大V的一個粉絲 id）存爲一條數據，那麼當用戶數量上來的時候，關注關係輕鬆破億，破十億，甚至上百億，並且爲了保證每條數據的唯一性，還需要設置聯合索引，MySql就有些力不從心了。那麼有人要說了：分表呀。嗯，沒錯，分表的確可以在插入端和讀取端提升一些速度。比如我們可以根據id哈希到100張表中。查詢一個用戶有哪些粉絲是快了，但是查詢一個用戶關注了哪些人時仍然需要遍歷全表。好，這時候我們還可以以（id，其關注的一個用戶的id）再構造100張表，於是兩種查詢都快了。然而，後面那100張表是冗餘數據，看着就不爽...並且生成一張子圖也不方便（需要多次寫SQL查表）。
於是，在搜索更好的方案時無意間發現了圖形數據庫，查閱一番資料後感覺確實是個不錯的選擇，畢竟業界的一些大佬，如twitter，Adobe等也在用。
那麼，什麼是圖形數據庫呢？在這裏我貼上較爲官方的定義：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，這裏只是說數據模型是圖結構的，沒有說數據的存儲也一定要是圖結構的。其數據模型如下圖
進入今天的主題，我將以Neo4j爲例，說明爲什麼選擇圖形數據庫？
首先，先簡要介紹一下Neo4j。Neo4j是由Java和Scala寫成的一個NoSql數據庫，專門用於網絡圖的存儲。更詳細的內容可見官網。作爲一個圖形數據庫，Neo4j有以下優點：
- 更快的數據庫操作。當然，有一個前提條件，那就是數據量較大，在MySql中存儲的話需要許多表，並且表之間聯繫較多（即有不少的操作需要join表）。
- 數據更直觀，相應的SQL語句也更好寫（Neo4j使用Cypher語言，與傳統SQL有很大不同）。
- 更靈活。不管有什麼新的數據需要存儲，都是一律的節點和邊，只需要考慮節點屬性和邊屬性。而MySql中即意味着新的表，還要考慮和其他表的關係。
- 數據庫操作的速度並不會隨着數據庫的增大有明顯的降低。這得益於Neo4j特殊的數據存儲結構和專門優化的圖算法。
接着，試着從更深一些的層次看圖形數據庫。我將從Neo4j的數據存儲和數據讀寫兩方面來說明爲什麼選它。
-
數據存儲
Neo4j對於圖的存儲自然是經過特別優化的。不像傳統數據庫的一條記錄一條數據的存儲方式，Neo4j的存儲方式是：節點的類別，屬性，邊的類別，屬性等都是分開存儲的，這將大大有助於提高圖形數據庫的性能。如下圖：![neo4j-1]()
-
數據讀寫
在Neo4j中，存儲節點時使用了"index-free adjacency"，即每個節點都有指向其鄰居節點的指針，可以讓我們在![]()
![]()
![]()
![]()
的時間內找到鄰居節點。另外，按照官方的說法，在Neo4j中邊是最重要的,是"first-class
entities"，所以單獨存儲，這有利於在圖遍歷的時候提高速度，也可以很方便地以任何方向進行遍歷。![neo4j-2]()
更多的資料可以看參考資料第一條。
關於爲什麼選圖形數據庫就說到這。如今可供選擇的圖形數據庫也不少，爲什麼就選擇了Neo4j呢？我簡要歸結爲以下幾點：
- 作爲較早的一批圖形數據庫之一，文檔和各種技術博客較多。
- 最開始曾嘗試過flockdb（據說操作簡單+輕量級），但是敗於安裝過程...，依賴太多。
- 網上經常有人將orientdb，arangodb與neo4j做對比，我當然也考慮過orientdb和arangodb。從易用性來說都差不多。速度上的話看過一些評測，arangodb應該是相對最快的，因爲其使用了混合索引。但是從穩定性來說，neo4j是最好的。
時間有限，我並沒有通讀Neo4j的官方文檔。但作爲一個數據庫使用者，能大概地瞭解爲什麼要選這個數據庫就已經足夠了。
最後做個總結吧。圖形數據庫是這幾年興起的，整體還不是很完善，而且適用面也是比較窄的。只有在明確自己的需求之後，才能確定是否選擇圖形數據庫。