图形数据库简介

Dear 丶 2022-06-12 09:13 267阅读 0赞

我们来谈谈图形数据库。 [一些行业观察家声称][Link 1]  他们是增长最快的数据库类型。如果是这样，也许知道更多关于它们是有用的。

从基础开始：什么是图形数据库，它有什么用？

这是简短的答案。图表数据库将数据存储在关系数据库中的顶点和边缘与表格之间。它们是查找数据项之间，关系模式或多个数据项之间交互的关系的最有效方法。传统的关系数据库在寻找有关某些项目信息的信息时，会发现许多相同类型信息的项目或总和/平均值。

现在，我们来看一下图表数据库是不是的。数据库的标准类型是关系数据库 - Oracle，IBM，Microsoft等销售的数据库管理系统构建的数据库。您可以将关系数据库视为由几个表格组成的矩形网格，每个表格看起来很像电子表格。每个表可以具有不同数量的行和列，并且保存不同类型的信息。例如，公司员工数据库的片段可能会保存如下数据：

![图＃1\_CGE][1_CGE]  
同一数据库中的另一个表可能包含有关管理员的信息：

![图＃2\_CGE][2_CGE]          至少在概念上，图形数据库将其数据存储在不同的结构中，有向图。在概念上，有向图由气泡和箭头组成，如图所示：

![图＃3\_CGE][3_CGE]

气泡称为“顶点”，箭头称为“边”。

存储在关系表的一个字段中的数据项在图形数据库中存储在图的顶点中。数据描述符，例如，上表中的“部门管理”或“报告到”在图中存储边。例如，如果我们将管理表放在上面并在图形数据库中表示，它可能如下所示：

![图＃4\_CGE][4_CGE]

每个数据项在图中仅出现一次。

例如，有一个独特的“Brenda Roberts”顶点。在Cray使用的图形数据库的类型中，也称为“语义”数据库，关系数据库的每个字段对应于图中简单的主题动词对象三元组：“Jack Jones”“报告给”“Brenda Roberts。 “ Brenda Roberts管理会计部门的一些附加信息，不在关系表中 - 只是为了显示每个顶点可能是一些三元组（“Brenda Roberts”“部门管理”“会计”）的“主题”和他人的“对象”（“杰克琼斯”“报告给”布伦达罗伯茨“）。

因此，  关系数据库和图形数据库之间的巨大差异是它们如何表示数据。有趣的是，用于每个的查询语言并不完全相同。图表数据库的标准查询语言SPARQL看起来很像SQL，这是关系数据库的已建立标准。现在，谈谈重要的问题：他们每个人都有什么好处？

关系数据库很棒。经过40多年的发展和完善，他们是可靠，强大和有能力的。他们可以容纳大量数据。其中一些可以每秒更新数千次。如果您想要查询关系数据库中关于每个产品的销售额，每个产品的销售量或每个产品的销售量，那么您的形状很好。任何时候，您正在寻找有关某些项目的信息，或者相同类型信息的许多项目的总和或平均值，您将很快得到答案。

什么是关系型数据库不是在好？当您正在寻找数据项之间的关系，关系模式或多个数据项之间的交互时，它们会掉落。我们来对比两个查询：首先，假设你写了一个等于：

显示在休斯顿商店工作的所有员工

关系数据库将扫描employees表，查找表中“location”字段中的“Houston”匹配项。你可以在毫秒内得到答案。现在呢，假设你问：

显示所有管理层的员工，包括教授新员工课程的人员

雇员的雇佣日期可能是同一雇员表中的一个字段，但是新雇用方向的名册可能在另一个表中。所以这个查询必须让每个员工和搜索类的名单找到他们参加的新的招聘类。让我们假设这点指向我们这个班的老师。现在我们要做一个真正精心的搜索。这个导师是员工的主管吗？没有？那么，是定向教练那人的上司？而且，我们抓住员工的管理链。任何一件事情都会发生：关系数据库将需要几分钟甚至几个小时才能获得所有答案 - 或者数据库系统将用尽资源，并且无法返回任何答案。另外，图表数据库，可以以毫秒为单位返回第二个查询的答案。因为它们是用来搜索图形的，所以他们可以遍历一个管理链，比关系数据库快多倍 - 如果它成功了。

您可能会推断，由于SPARQL看起来像SQL一样，它可能处理与关系数据库擅长的大量相同类型的查询。你会对的 图形数据库可能没有那么快，但它可以做到。但是，它真的照亮了关系数据库无法处理的复杂查询，如果有的话。

什么样的应用程序可以很好地利用图形数据库？找到数据项之间的关系模式很有用的应用程序。这不是每个数据库应用程序 - 关系数据库如此受欢迎并不意外，但有许多重要的图形应用程序无法通过关系数据库进行准确和有效的分析：

*  在许多智力和执法应用中，寻找事件模式很重要。任何一个事件都可能看起来是无害的，但是他们所有人的看法在一起，以及它们如何直接或间接地相互关联，是不祥的。Bad Guy总监向Bad Guy A发送电子邮件，打电话给Bad Guy B，并向Bad Financier发送快递消息。坏家伙A搭乘火车去柏林。坏家伙B乘坐飞机去柏林。Bad Financier将钱汇给Bad Guy C. Bad Guy C住在柏林。坏人A和B从柏林飞往亚特兰大。
 *  同样，防范内幕交易的投资银行必须寻找可疑的行动模式，而不一定是单一的行动。投资银行家A获得有关股票S的内幕信息。银行家A向同一家银行的信息技术专家Joe IT发送电子邮件。Joe IT电话银行家A.在业务结束时，Banker A和Joe IT在相互之间的几秒钟内徽章。那天晚上，Joe IT购买了股票S.
 *  生物信息学研究界主要采用图形数据库和SPARQL查询语言。它们与人体内存在的所有化学物质之间的巨大关系网络非常适合。我们的一个生物信息学客户追踪了一系列“与这种相互作用”的关系，通过各种蛋白质，人类细胞和其他分子，通过各种蛋白质，人类细胞和其他分子来防治艾滋病，从而发现同一种药物可能对乳腺癌有效。
 *  消费产品的许多供应商已经对社交网络分析（SNA）感兴趣。这与建立人际关系的图表有关。Facebook是一个社交网络的例子，其中包括人与朋友之间的联系。图表搜索可能显示哪个人可能对他/她的朋友有影响力，哪些朋友分享了共同的兴趣，等等，这可能导致一些非常复杂，高度针对性的营销策略。

好的，所以这是一个很快看看为什么图形数据库值得考虑。基本上，这归结为图形数据库可以回答关系数据库不能复杂的问题。真正复杂，有效的分析环境将包括关系数据库和图形数据库。

**        原文：**[Graph Databases 101][]

[Link 1]: http://db-engines.com/en/blog_post/26
[1_CGE]: /images/20220612/0e1e3a8b86024f23829e36a129f2a94e.png
[2_CGE]: /images/20220612/03bbfa6cdbb64352b4b3a276b2c523ee.png
[3_CGE]: /images/20220612/4af7c314079a4261b9d2acd9a3251045.png
[4_CGE]: /images/20220612/8db66b3a09fe421ea1e18e2933b453f3.png
[Graph Databases 101]: https://dzone.com/articles/graph-databases-101