目录
图数据库定义
图数据库是一种使用图结构进行语义查询，并使用节点、边和属性来表示和存储数据的数据库。
图数据库分类
图数据库分为三类:
1. 图数据库：支持图的事务处理和持久化。例如Neo4J
2. 图分析引擎：用于大规模图分析，例如社交网络分析。例如GraphX，Powergraph。
3. 图表示学习引擎：用于AI引擎的图优化分析。例如PyTorch-BigGraph。
图数据库特性
-
高效地描述实体之间的连接关系，如社交关系、知识图谱、路线图等等。
-
图数据库将实体之间的关系作为第一公民对待，成为表达图形关系的最佳存储。
-
当前不同图数据库的查询语言不同。 但普遍认为，判断图中两个节点是否连接，需要能够实时返回结果。
-
图数据库用于处理图上的OLTP服务，图计算引擎用于处理图上的OLAP服务。
图数据库评测标准
XGDBench 是YCSB的一个扩展，通过添加一个图数据模型和工作负载生成器来对图数据库 进行基准测试。 GDB 一种分布式图形数据库基准测试框架，用于探索节点的邻域和寻找最短路径等操作。 社区检测基准提供了四种工作负载：大规模插入、单次插入、查询工作负载（图遍历）和 通过集群识别大型网络中的社区。
图数据库业界代表
-
图数据库业界代表–Neo4J：Neo4J是一个图数据库，将数据间的关系作为“第一公民”来对待。 它可以为图提供ACID事务处理，支持在线备份，具有高可用性。构成图的基本单位是节点和关 系，均以键值的方式存储。
-
图分析引擎业界代表–GraphX：Spark GraphX是一个分布式图处理框架，它是基于Spark平 台提供对图计算和图挖掘简洁易用的而丰富的接口，极大的方便了对分布式图处理的需求。 图分析引擎业界代表–PowerGraph：GraphLab PowerGraph 是一个用 C++ 编写的基于图形 的高性能分布式计算框架。 旨在开发一种新的为机器学习量身定制的并行计算抽象。
-
图表示学习引擎业界代表–PyTorch-BigGraph：它可以更快、更轻松地为超大图生成图表示 - 特别是模型太大而无法放入内存的图的多关系图表示。
