?前所未有的能力

如果你還懷疑關系型數(shù)據(jù)庫的局限性，那么請想象一下，使用關系型數(shù)據(jù)庫管理系統(tǒng)，是否能夠解決以下問題：

• 如何找到一個人朋友的朋友的朋友……？
• 如何（實時）找到一個賬戶與多個黑名單賬戶之間的關聯(lián)路徑？
• 如何判斷某個時間段內(nèi)兩個賬戶之間的交易（或交易記錄）是否正常？
• 在一個供應鏈網(wǎng)絡中，如果一個北美的制造廠/工廠停工，將會給韓國的百貨商場旗艦店帶來什么樣的影響？
• 在貨運、電力傳輸、通信網(wǎng)絡中，如果一個網(wǎng)絡節(jié)點或服務停運（下線），受到波及和影響的范圍有多大？
• 在大健康領域，如果一個用戶提交他的電子病歷和健康檔案，是否可以提供實時個性化的重大疾病保險推薦服務？
• 在反洗錢的場景中，如何知曉一個賬戶持有者把他的資金通過多層中間人的賬戶轉賬后，最終再重新匯入他自己（或其他關系人）的賬戶中？
• 現(xiàn)有的搜索引擎只可以進行一維的、基于關鍵字的搜索，例如輸入“牛頓與成吉思汗”，如何返回任何有實質(zhì)意義的、關聯(lián)發(fā)散的結果？
• 在一張知識圖譜中，如何找到多個知識實體間所形成的兩兩關聯(lián)的網(wǎng)絡？類似地，在一個由通話記錄構成的大網(wǎng)中，如何找到1000個犯罪嫌疑人所構成的兩兩之間的6度以內(nèi)的關聯(lián)網(wǎng)絡？

以上9個問題僅列舉了傳統(tǒng)數(shù)據(jù)管理系統(tǒng)（當然也包含其他的NoSQL或大數(shù)據(jù)框架）或搜索引擎無法以高效、低代價的方式完成的眾多挑戰(zhàn)中的一小部分。圖1展示了使用圖進行網(wǎng)絡分析，與其他類型的數(shù)據(jù)源不同，其可敏捷應對變化、未知的數(shù)據(jù)關系與類型以及能高效處理海量數(shù)據(jù)。

在實時圖數(shù)據(jù)庫和圖計算引擎的幫助下，我們可以實時地在不同數(shù)據(jù)間找到深度關聯(lián)關系。舉例來說，基于百科全書的知識體系而構建的知識圖譜數(shù)據(jù)集中（一張大圖，圖中的頂點是一個個的知識點，而邊則是知識點之間的關聯(lián)關系），通過圖引擎可以實時計算出如圖1、圖2所示路徑。

▲圖1 實時搜索最短路徑：從牛頓到成吉思汗（表單模式）

▲圖2 實時搜索最短路徑：從牛頓到成吉思汗（圖形模式）

與傳統(tǒng)的搜索引擎不同，當搜索時，你期待的返回結果不再是單一的網(wǎng)頁、鏈接排序，而是更為復雜、多邊甚至全面的關聯(lián)關系，搜索引擎不會返回為空、答非所問或無實際意義的答案，在實時圖計算引擎的支撐下，它可以返回最優(yōu)的、人腦都無法企及的智能路徑。如果仔細觀察圖2中的路徑，你會發(fā)現(xiàn)這些實體與關聯(lián)關系所形成的每一條路徑存在著強因果關系。通過這種“高維”搜索引擎返回的有強因果關系的路徑，一環(huán)扣一環(huán)，其中蘊含的知識體量與密度（熵值）遠高于傳統(tǒng)的基于倒排索引和PageRank算法的互聯(lián)網(wǎng)搜索引擎。并且，以上所有過程在圖數(shù)據(jù)庫支撐下都是實時完成，返回最優(yōu)（不一定是最短）路徑。如果用戶對展望未來更感興趣，可以改變篩選過濾和調(diào)整條件，例如設置相關頂點（或節(jié)點）與邊的參數(shù)（或?qū)傩裕?，并按照一定的模板邏輯來實現(xiàn)搜索等，如圖3所示。

▲圖3　實時動態(tài)圖過濾與剪枝（通過圖搜索過濾）

很顯然，隨著過濾條件變得更苛刻，搜索返回結果的路徑變得更長了（從5層增加為7層），但是搜索時間并沒有指數(shù)級增長。這是實時圖計算引擎的一個很重要的能力—對子圖的動態(tài)剪枝能力，一邊搜索，一邊過濾（剪枝）。缺乏這種能力的圖數(shù)據(jù)庫絕無可能成為有商業(yè)應用前景的實時圖數(shù)據(jù)庫。

圖4展示了由以上路徑動態(tài)生成的子圖的2D空間可視化效果。

▲圖4　通過圖過濾后形成的多層關聯(lián)

另一個實例是通過對轉賬、匯款、取現(xiàn)等交易的數(shù)據(jù)流進行追蹤來實現(xiàn)實時反洗錢監(jiān)測。圖5中左邊最大的點是資金流出方，經(jīng)過10層中間賬號不斷轉賬轉發(fā)，最終匯聚在右邊的小點（賬戶）位置。除非經(jīng)過10層以上的深層挖掘，否則你很難發(fā)現(xiàn)數(shù)據(jù)（資金）的真正流向，以及它們背后的真正意圖。對于各國的金融監(jiān)管機構而言，實時圖數(shù)據(jù)庫與圖計算的意義不言而喻—當犯罪分子在以圖的方式規(guī)避監(jiān)管的時候，他們會通過構造深層的圖模型來逃避反洗錢追蹤，而監(jiān)管機構只有使用具備深度穿透分析能力的圖數(shù)據(jù)庫才能讓犯罪分子無處遁形。

?

▲圖5　資金流向圖

絕大多數(shù)人都知道“蝴蝶效應”，就是在數(shù)據(jù)和信息的海洋中捕捉從一個（或多個）實體到遙遠的另外一個（或多個）實體間微妙的關聯(lián)關系。從數(shù)據(jù)處理框架的角度來看，如果沒有圖計算的幫助，蝴蝶效應是極難被發(fā)現(xiàn)的。有人會說隨著算力的指數(shù)級增強，未來總有一天我們會實現(xiàn)，筆者以為，這一天已經(jīng)到來！實時圖數(shù)據(jù)庫就是進行蝴蝶效應計算、查詢的最佳工具。

在2017年，知名數(shù)據(jù)分析公司Gartner提出了一個5層的數(shù)據(jù)分析模型，如圖6所示。

▲圖6　Gartner 5層數(shù)據(jù)分析模型

在圖6中，數(shù)據(jù)分析的未來在于“網(wǎng)絡分析”，或稱為實體鏈接分析，建立這個系統(tǒng)只能依賴圖數(shù)據(jù)庫。圖計算系統(tǒng)把數(shù)據(jù)以網(wǎng)絡拓撲結構的方式構建，并搜尋網(wǎng)絡內(nèi)的關聯(lián)關系，它的效率遠超關系型數(shù)據(jù)庫管理系統(tǒng)。關系型數(shù)據(jù)庫通過表連接來進行計算，它可能永遠無法完成類似的任務。

數(shù)據(jù)分析（技術）的發(fā)展是商業(yè)發(fā)展的必然結果，它提高了數(shù)據(jù)處理的科技水平。在圖6中，從第1層到第2層可以視為數(shù)據(jù)分析領域內(nèi)從單機應用到互聯(lián)應用的提升；第3層是渠道中心化數(shù)據(jù)分析，它經(jīng)常發(fā)生在一個公司的渠道或部門的內(nèi)部；第4層的特點是跨渠道，它要求大型公司內(nèi)的不同渠道進行數(shù)據(jù)分享，從而最大程度挖掘數(shù)據(jù)的價值，你必須合并各個渠道搜集到的不同類數(shù)據(jù)，并把它們視為一個整體，由此來進行網(wǎng)絡化分析（例如社交網(wǎng)絡分析）。這種通用的、跨部門、跨數(shù)據(jù)集的多維數(shù)據(jù)間關聯(lián)分析需求的挑戰(zhàn)，只有圖數(shù)據(jù)庫才能完美實現(xiàn)。

圖計算與圖數(shù)據(jù)庫的差異

圖計算（graph computing）與圖數(shù)據(jù)庫（graph database）之間的差異是很多剛接觸圖的人不容易厘清的。盡管在很多情況下，圖計算可以和圖數(shù)據(jù)庫混用、通用。但是，它們之間存在很多不同，筆者認為有必要單獨做個介紹。

圖計算可以簡單地等同于圖處理框架（graph processing frameworks）、圖計算引擎（graph computing engines），它的主要工作是對已有的數(shù)據(jù)進行計算和分析。圖計算框架多數(shù)都出自學術界，這個和圖論自20世紀60年代與計算機學科發(fā)生學科交叉并一直不斷演化有關。

圖計算框架在過去20年中的主要發(fā)展是在OLAP（Online Analytical Processing，聯(lián)機分析處理）場景中進行數(shù)據(jù)批處理。

圖數(shù)據(jù)庫的出現(xiàn)要晚得多，最早可以稱之為圖數(shù)據(jù)庫的也要到20世紀90年代，而真正的屬性圖或原生圖技術在2011年后才出現(xiàn)。

圖數(shù)據(jù)庫的框架主要功能可以分為三大部分：存儲、計算與面向應用的服務（例如數(shù)據(jù)分析、決策方案提供、預測等）。其中計算部分，包含圖計算，但是圖數(shù)據(jù)庫通?？梢蕴幚鞟P與TP類操作，也就是說可以兼顧OLAP與OLTP（Online Transactional Processing，在線事務處理），兩者的結合也衍生出了新的HTAP類型的圖數(shù)據(jù)庫，第3章會詳細介紹它的原理。簡言之，從功能角度上看，圖數(shù)據(jù)庫是圖計算的超集。

但是，圖計算與圖數(shù)據(jù)庫有個重要的差異點：圖計算通常只關注和處理靜態(tài)的數(shù)據(jù)，而圖數(shù)據(jù)庫則能處理動態(tài)的數(shù)據(jù)。換言之，圖數(shù)據(jù)庫在數(shù)據(jù)動態(tài)變化的同時能保證數(shù)據(jù)的一致性，并能完成業(yè)務需求。這兩者的區(qū)別基本上也是AP和TP類操作的區(qū)別之所在。

多數(shù)圖計算框架都源自學術界，其關注的要點和場景與工業(yè)界的圖數(shù)據(jù)庫有很大的不同。前者在創(chuàng)建之初大都面向靜態(tài)的磁盤文件，通過預處理、加載入磁盤或內(nèi)存后進行處理；而后者，特別是在金融、通信、物聯(lián)網(wǎng)等場景中，其數(shù)據(jù)是不斷流動、頻繁更新的。靜態(tài)的計算框架不可能滿足各類業(yè)務場景的需求，這也催化了圖數(shù)據(jù)庫的不斷迭代，從以OLAP為主的場景開始，直至發(fā)展到可以實現(xiàn)OLTP類型的實時、動態(tài)數(shù)據(jù)處理。

另一方面，由于歷史原因，圖計算框架所面對的數(shù)據(jù)集通常都是一些路網(wǎng)數(shù)據(jù)、社交網(wǎng)絡數(shù)據(jù)。在社交網(wǎng)絡中的關系類型非常簡單（例如：關注），任何兩個用戶間只存在一條邊，這種圖也稱為單邊圖（simple graph），而在金融交易網(wǎng)絡中，兩個賬戶之間的轉賬關系可以形成非常多的邊（每一條邊代表一筆交易），這種圖稱為多邊圖（multi-graph）。顯然，用單邊圖來表達多邊圖會造成信息缺失，或者通過增加大量點、邊來實現(xiàn)從而達到同樣的效果（得不償失，且會造成圖上處理效率低下）。

再者，圖計算框架一般只關注圖本身的拓撲結構，并不需要理會圖上的點和邊的復雜屬性問題，而這對于圖數(shù)據(jù)庫而言則是必須關注的。

圖計算與圖數(shù)據(jù)庫的另外兩個差異點如下：

1）圖計算框架中能提供的算法一般都比較簡單，換言之，在圖中的處理深度都比較淺，例如PageRank、LPA標簽傳播、聯(lián)通分量、三角形計數(shù)等算法，圖計算框架可能會面向海量的數(shù)據(jù)，并且在高度分布式的集群框架上運行，但是每個算法的復雜度并不高。圖數(shù)據(jù)庫所面對的查詢復雜度、算法豐富度遠超圖計算框架，例如5層以上的深度路徑查詢、K鄰查詢、復雜的隨機游走算法、大圖上的魯汶社區(qū)識別算法、圖嵌入算法、復雜業(yè)務邏輯的實現(xiàn)與支持等。

2）圖計算框架的運行接口通常是API調(diào)用，而圖數(shù)據(jù)庫則需要提供更豐富的編程接口，例如API、各種語言的SDK，可視化的圖數(shù)據(jù)庫管理及操作界面，以及最重要的圖查詢語言。熟悉關系型數(shù)據(jù)庫的讀者一定不會對SQL陌生，而圖數(shù)據(jù)庫對應的查詢語言是GQL，通過GQL可以實現(xiàn)復雜的查詢、計算、算法調(diào)用和業(yè)務邏輯。

圖計算與圖數(shù)據(jù)庫的差異梳理見表1。

表1　圖計算與圖數(shù)據(jù)庫的差異

通過本文的背景介紹，希望讀者能夠做好準備，更好地進入圖數(shù)據(jù)庫的世界。

本文摘編于《圖數(shù)據(jù)庫原理、架構與應用》，經(jīng)出版方授權發(fā)布。（書號：9787111708100）轉載請保留文章來源。?