將數據資產視爲公司重要資產是企業的共識，數據的產生、存儲、消費…每個數據流動環節都不可忽視。伴隨着企業業務的多元化，一方面業務數據量激增，另一方面，數據不統一、數據孤島、數據價值被低估等問題也浮出水面，其根本原因在於忽視了數據之間的關聯性。
圖數據庫技術的出現，爲企業賦予了挖掘數據關聯價值的能力。而大數據時代的圖數據庫，除了具備優秀的關聯價值挖掘能力，還要應對海量數據的存儲計算挑戰。圖數據庫 Nebula Graph 應運而生，它是一款開源的分佈式圖數據庫，其 shared-nothing 分佈式架構和存儲與計算分離的架構特性，使得它尤其擅長處理千億頂點、萬億條邊的超大規模數據集，同時保持毫秒級低延時。Nebula Graph 目前已應用在多家互聯網頭部企業的金融風控、數據治理、實時推薦、智能問答等業務場景。
資深圖數據庫技術專家，開源的分佈式圖數據庫 Nebula Graph 研發商歐若數網 CEO Sherman 在 03.08 - 03.14 期間同 開源中國·高手問答 的小夥伴們以「聊聊圖數據庫 Nebula Graph」爲切入點展開討論，包括：「Nebula Graph 的技術設計」、「Nebula Graph 應用場景」、「圖數據庫技術展望」等方面內容，本文整理於他和開源中國小夥伴對圖數據庫的討論內容~
嘉賓簡介
Sherman，資深圖數據庫技術專家，現任杭州歐若數網科技有限公司 CEO，曾任職 Facebook、螞蟻金服等公司。一直從事圖數據庫研發工作，主導了分佈式圖數據庫 Nebula Graph 的研發，並將其開源爲美團、京東、騰訊等一線大廠業務所用。
本文目錄
- 圖數據庫的場景應用
- 和 AI 結合的場景
- 對物聯網行業有沒有什麼應用場景
- 圖數據庫的應用場景是什麼？有哪些行業應用？
- 認識圖數據庫 Nebula Graph
- Nebula Graph 高性能的原因
- Nebula Graph 數據庫設計的取捨
- Nebula Graph 的查詢優化
- 圖數據庫 Nebula Graph 的未來
- Nebula Graph 對 HDD 的支持程度
- Nebula Graph 對客戶端的規劃
- Nebula Graph 2021 年的開發重點和方向是什麼
圖數據庫的場景應用
和 AI 結合的場景？
@edra：請問這個作爲分佈式圖形處理數據庫，有和 AI 技術結合使用的場景嗎。
你好，目前跟 AI 結合的應用場景有兩類，一類是常見的知識圖譜，另一類是基於圖的機器學習，簡稱 GNN，在模型訓練中將數據之間的關聯關係考慮進去。
圖數據庫對物聯網行業有沒有什麼應用場景？
@豬娃娃：您好，圖數據庫對物聯網行業有沒有什麼應用場景？
物聯網本身是物體之間的關聯，所以很自然地可以用圖數據庫來存放，隨着智能汽車的使用，物聯網中的關係在動態變化中，圖數據庫是解決這種動態變化的關係網絡最好的工具。
圖數據庫的應用場景是什麼？有哪些行業應用？
@開源中國首席羅納爾多：您好，請問圖數據庫的應用場景是什麼？有哪些行業應用？
這個是一個通用問題啦，常見的是社交推薦、知識圖譜、金融風控、機器學習 AI、區塊鏈等等應用。你可以關注 Nebula Graph 之前的線下分享的文字整理稿：https://my.oschina.net/u/4169309/blog/3085990， 當然除了上面的，之前微衆銀行也分享了他們用圖數據庫 Nebula Graph 做數據治理的分享，可以看看我們發在開源中國的博文呀，感謝支持^ ^
認識圖數據庫 Nebula Graph
Nebula Graph 高性能的原因
@jasonwu24：老師您好！之前看過一篇文章，其中對比了 Neo4j、 Nebula Graph 以及 Huge Graph 這三大圖數據庫在入庫時間、一度好友查詢、二度好友查詢、共同好友查詢等幾個方面的性能，在導入性能上，數據量小的時候 Nebula Graph 的導入效率稍慢於 Neo4j，但在大數據量的時候 Nebula Graph 的導入明顯優於其他兩款圖數據庫。在 3 種查詢場景下， Nebula Graph 的效率都明顯高於 Neo4j，與 HugeGraph 相比也有一定的優勢。這是因爲 Nebula Graph 採用 shared-nothing 分佈式架構，所以更擅長處理千億節點萬億條邊的超大規模數據集嗎？除此之外還有沒有其他方面的原因使其性能更爲突出呢？謝謝！
你好，感謝提問。除了 shared-nothing 的架構，還有一方面是因爲數據分片和存儲的方式（將點和其相鄰的關係放在一起，增加 data locality），另外一方面我們在查詢層也做了一些優化，比如計算下推。具體可以參考我們的架構系列博客文章：https://nebula-graph.com.cn/tags/%E6%9E%B6%E6%9E%84%E5%89%96%E6%9E%90/
Nebula Graph 數據庫設計的取捨
@赤腳小子：在 NEBULA 研發過程中肯定會有很多取捨，比如事務，是否可以更新結構，歷史數據是否可以更新/刪除等等特性。
一開始 NEBULA 在做支持某些特性不支持某些特性的過程中，是怎樣的一個思考過程？一開始就有明確的使用場景/商業領域在指引？還是也是亦步亦趨直到最後走出自己的路的？
是的，在研發過程中是有取捨的，目前 Nebula 專注的場景是高併發低延時的 TP 場景。所以，取捨的原則就是一個新特性是否能很好地支撐 TP 場景的性能要求。隨着產品的成熟，我們也會慢慢開始支持 AP 場景，如離線分析和計算。
Nebula Graph 的查詢優化
@osc_64757058：請問 nebula graph 在查詢時有哪些優化，是否支持並行計算？
Nebula 在查詢時做了很多優化，如計算下推、執行計算重構等。Nebula 支持多種計算框架，例如 GraphX、Plato 等。
最佳分區配置
@becke：看介紹，Nebula Graph 使用了raft 協議保持數據一致性，性能由底層的 partition 數據決定，不清楚怎麼來選擇最佳的分區數據？
我們建議一臺機器上的分區數量不小於機器的 CPU 核數，同時考慮到未來擴容的需要，這個數量可以適當放大。 圖數據庫 Nebula Graph 的未來
Nebula Graph 對 HDD 的支持程度
@osc_ajxzbfuw：您好， Nebula 現在也是越來越火， 關注的人越來越多啦。
有個小需求， 就是 Nebula 增加是 HDD 磁盤的優化， 不知道可有這方面的計劃，優先級是怎樣的，畢竟 Nebula 可能還有更重要的功能需要開發、支持。
在實際的企業中， 受限於預算、審批流程等各種原因的限制，SSD 磁盤的主機並不容易獲得。
你好，由於 HDD 磁盤本身的限制，在數據量大的 TP 場景下，無論怎麼優化，性能都不會很好。如果你的數據量小到足夠放在內存中處理，今年我們會推出基於內存的存儲引擎，這樣可以解決你的問題。但是對於大數據量的 TP 場景，還是建議申請 SSD 磁盤。HDD 磁盤用於 AP 場景是可行的，今年我們會解決這個問題。
Nebula Graph 對客戶端的規劃
@荒野刀客 ：你好 ，最近也在選型圖數據庫，初步考慮 nebula graph，但看到客戶端 cpp client 好像活躍度不高，沒幾個人在 github 上貢獻，而 go 語言等客戶端 SDK 貢獻者很多，這塊兒後續有什麼計劃？另外純 C 的客戶端也沒有看到 ，使用可以將 go 語言的 nebula client 編譯成動態庫，輸出一些 C API？
CPP Client 一直是我們優先級最高的 Client 之一，我們會持續支持。純 C 的客戶端目前確實沒有，這是因爲目前好像沒有看到這方面的需求，如果需求量大的話，我們也會考慮支持。也歡迎你來貢獻！
Nebula Graph 2021 年的開發重點和方向是什麼
@榮飛coder：1.Nebula Graph 2021 年的開發重點和方向是什麼？我知道 2.0 ga 馬上就要發佈了，這個應該算是一個里程碑；2.Nebula Graph的目的其實是發揮數據價值的。數據價值很重的一個方面是數據關係，圖計算在關係處理裏面作用很大（圖計算 我理解有限，還在學習），想知道圖計算和 Nebula Graph 結合的案例以及有沒有相關資料推薦啊，謝謝
- 2021 年的重點是在加強性能和穩定性的基礎上，增加圖計算的融合，同時推出雲服務；
- Nebula 跟圖計算結合的案例我們博客裏有幾篇，比如這篇 GraphX 的：https://nebula-graph.com.cn/posts/practice-graphx-nebula-graph-algorithm/
以上爲本次圖數據庫交流的整理，如果你打算使用圖數據庫，在使用 Nebula Graph 過程中遇到任何問題，記得來我們的論壇和我們交流下：https://discuss.nebula-graph.com.cn/ ，在實踐之前記得關注下我們的開源中國專欄瞭解更多 Nebula Graph 的特性呀：https://my.oschina.net/u/4169309