7种图数据库简单比较

待我称王封你为后i 2023-09-26 21:36 79阅读 0赞

## 1、 [图数据库][Link 1]排名 ##

图数据库排名：https://db-engines.com/en/ranking/graph+[dbms][]  
![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAYmpoeGNj_size_20_color_FFFFFF_t_70_g_se_x_16]

## 2、 图数据库比较表格 ##

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAYmpoeGNj_size_20_color_FFFFFF_t_70_g_se_x_16 1]

## 3 、各种图数据库属性 ##

### 3.1 [Neo4j][]（主流） ###

历史悠久且长期处于图数据库领域的主力地位，其功能强大，性能也不错，单节点的服务器可承载上亿级的节点和关系。社区版最多支持 320 亿个节点、320 亿个关系和 640 亿个属性。  
优点：Neo4j有自己的后端存储，不必如同JanusGraph等一样还要依赖另外的数据库存储。 Neo4j在每个节点中存储了每个边的指针，因而遍历时效率相当高。  
缺点：企业版付费。开源的社区版本只支持单机，不支持分布式。社区版只能部署成单实例，企业版可以部署成高可用集群，从而可以解决高并发量的问题；不能做集群，单个实例故障时影响系统正常运行。社区版只支持冷备份，即需要停止服务后才能进行备份。

### 3.2 OrientDB（不推荐） ###

OrientDB是第二代分布式图数据库,以混合数据模型为特点，它包括可以在最复杂的场景中使用复制和分片，并以Apache2许可证提供开放源代码。ORIENTDB工作速度快，能够在最常见的硬件上每秒存储220000条记录，并且支持无模式、完整和混合模式，可以使用SQL作为查询语言之一。  
优点：ORIENTDB使用身份验证、密码和静态数据加密等方式为所有机密数据提供安全保护。OrientDB为确保更好的性能，最近引入了节点的快速重新同步，即使处理数十亿条记录，遍历速度也不会受到影响。OrientDB 是分布式多模型数据库，支持图数据模型，支持 sharding 机制，大规模查询情况下性能比较好；  
缺点：开源版功能部分欠缺。起步较早，最初的时候都是一个单机的图数据库，然后随着用户数据量的不断增加，后期增加了分布式模式，支持集群和副本，但是由于后加的功能，其分布式支持的不是很好。

### 3.3 ArangoDB（不推荐） ###

Arangodb以一种非常创造性和灵活的方式安排数据。数据可以存储为键或值对、图或文档，所有这些都可以通过一种查询语言访问。为了更安全的选择，查询中可以使用声明性模型。用户可以在一个查询中组合不同的模型及其特性的原因是，ArangoDB对所有数据模型都使用相同的核心和相同的查询语言。  
优点：Arangodb独特的特性是它能够在一个查询中组合不同的数据模型。这使得其展示方式令人印象深刻且美观。它比其他数据库具有更灵活的扩展性、增强的容错性、大容量的存储能力和更低的成本。arangodb最突出的特性是foxx，这是一个用于编写数据库中以数据为中心的javascript框架。

缺点：它们起步比较早，最初的时候都是一个单机的图数据库，然后随着用户数据量的不断增加，后期增加了分布式模式，支持集群和副本，但是经过调研发现，可能是由于后加的功能，他们的分布式支持的不是很好。

### 3.4 JanusGraph（推荐） ###

JanusGraph是可扩展的图数据库，底层依赖于大数据组件，对分布式支持的非常好，也都是完全的开源免费，存储数据模型也都是专为图数据而设计。JanusGraph基于Titan发展而来，包含其所有功能，采用Tikerpop的Gremlin图查询语言，有单独的后端存储，支持Cassandra/HBase/BerkeleyDB等做存储，支持Solr/ES/Lucence等做图索引 支持Spark GraphX/Giraph等图分析计算引擎及Hadoop分布式计算框架 原生支持集成了Tinkerpop系列组件：Gremlin查询语言，Gremlin-Server及Gremlin applications。 采用很友好的Apache2.0协议，支持对接可视化组件如Cytoscape，Gephi plugin for Apache TinkerPop，Graphexp，KeyLines by Cambridge Intelligence，Linkurious  
优点：JanusGraph的存储系统依赖于像Cassandra、HBase(HBase又依赖于Zookeeper和HDFS)、BerkelyDB等等这样的存储系统，索引系统依赖于Elasticsearch、Solr、Lucene等等；也基于这些原因，它和大数据生态结合的非常好，可以很好地和Spark结合做一些大型的图计算。所以可以很好的和spark的大数据平台进行结合，并且能够支持实时图遍历和分析查询  
缺点：其存储需要依赖于其他存储系统，JanusGraph使用HBase作为底层存储系统，而HBase又依赖于Zookeeper和HDFS，另外JanusGraph的索引又依赖于ES，所以想要搭建一套完整的JanusGraph，需要同时搭建维护好几套系统，维护成本非常大。另一问题就是稳定性，根据经验来看，系统越复杂，依赖系统越多，整体可控性就越差，稳定性风险就越大。并且三方的一些工具也存在一些问题，所以要用肯定要基于底层（读写）进行性能优化。

### 3.5 HugeGraph（推荐） ###

百度基于JanusGraph开源了HugeGraph，增加了很多特性，提高了易用性及性能，增加了一些图分析算法。实现了Apache ThinkerPop 3框架，支持Gremlin图查询语言。HugeGraph支持多用户并行操作，输入Gremlin查询语句，并及时得到图查询结果。也可以再用户程序中调用hugeGraph API进行图分析或查询。  
优点：HugeGraph可以与Spark GraphX进行链接，借助Spark GraphX图分析算法（如PageRank、Connected Components、Triangle Count等）对HugeGraph的数据进行分析挖掘。HugeGraph还针对图数据库的高频应用（例如：ShortestPath、k-out、k-neighbor等）做了特定性能优化，并且为用户提供更为高效的使用体验  
缺点：基于JanusGraph开源，存在和JanusGraph同样的问题，维护成本高。

### 3.6 Dgraph（推荐） ###

dgraph 是基于 golang 开发的开源的分布式图数据库。诞生时间不长, 发展却很迅速，从设计之初就考虑了分布式和扩展性，所以对分布式支持的非常好。  
优点：Dgraph 不依赖与任何第三方系统，只有一个 Dgraph 可执行文件，只需在启动时通过参数指定是 Zero（管理节点）还是 Alpha(数据节点)即可，Dgraph 会自动组成集群，运维部署非常简单。Dgraph维护成本低很多。Dgraph 和 JanusGraph 性能差不多，但复杂查询下，Dgraph 性能远高于 JanusGraph。同时，Dgraph 的写入性能也整体高于 janusGraph。  
缺点：比如还不支持多重边、一个集群只支持一个图、与大数据生态兼容不足等，这些都需要靠后期不断完善。

### 3.7 TigerGraph（不推荐） ###

TigerGraph是一个目前业界先进的企业级图数据库。系统完全闭源。部分查询算法开源。分为开发版和企业版。开发版免费，但功能受限，比如单点只能构建一个图。企业面收费，支持大规模集群，顶点表数量不受限制。  
优点：TigerGraph可以通过GSQL实现类存储过程的算法封装，而且已经实现了很多图算法，但是语法结构要比Neo4j复杂的多。  
缺点：付费图数据库。Neo4j按照cpu收费，TigerGraph按照数据容量（G）来收费，费用较贵。

## 4 、选型结论 ##

推荐一：Neo4j。使用起来相当的方便，入门门槛很低，基本上拿来就能用，并且有很好的社区支持，三方库、第三方工具的支持，社区版本也可以支撑到不错的数据量（亿级没问题）。但是如果想挖掘海量数据，需要考虑的是海量数据的存储及计算，分布式存储是首选。开源版Neo4j并不支持分布式。  
推荐二：Dgraph。Dgraph 除了运维成本低之外，整体读写性能也优于JanusGraph。缺点是文档社区支持较差。  
推荐三：JanusGraph或HugeGraph。JanusGraph社区支持更全，复杂计算性能优于HugeGraph。

--------------------

[https://writer.blog.csdn.net/article/details/123467458][https_writer.blog.csdn.net_article_details_123467458]

[Link 1]: https://so.csdn.net/so/search?q=%E5%9B%BE%E6%95%B0%E6%8D%AE%E5%BA%93&spm=1001.2101.3001.7020
[dbms]: https://so.csdn.net/so/search?q=dbms&spm=1001.2101.3001.7020
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAYmpoeGNj_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/8800d9e019b74d57b86996626ccab2d1.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAYmpoeGNj,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAYmpoeGNj_size_20_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/fa024b3d7d2f4a02855b857fb018d4fa.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAYmpoeGNj,size_20,color_FFFFFF,t_70,g_se,x_16
[Neo4j]: https://so.csdn.net/so/search?q=Neo4j&spm=1001.2101.3001.7020
[https_writer.blog.csdn.net_article_details_123467458]: https://writer.blog.csdn.net/article/details/123467458