【Nebula】图数据库Nebula Graph

古城微笑少年丶 2023-10-08 23:03 15阅读 0赞

#### 文章目录 ####

*  1、图数据库
 *  2、NebulaGraph 的数据模型
 *  3、路径Path
 *   *  walk
     *  trail
     *  path
 *  4、VID
 *   *  VID的特点
     *  VID的生成
 *  5、NebulaGraph的服务架构
 *   *  Meta服务
     *  Graph服务
     *  Storage服务
 *  6、Raft

## 1、图数据库 ##

对于有内在联系的事务, 关系型数据库通常会提取实体之间的关系, 将关系单独存储到表或列中，而实体的类型和属性存储在其他列甚至其他表中，这使得数据管理费时费力。如下图中的顾客表、订单表、商品表…此时:

*  查询用户购买了哪些商品得join
 *  该商品有哪些用户购买过得join
 *  购买过该产品的用户还购买过哪些产品, 就得在几张表中来回穿梭了

![在这里插入图片描述][ee16a9bfa49e4a4b9a9185edb15fe743.png]

基于此, 图数据库诞生。图数据库是专门存储庞大的图形网络并从中检索信息的数据库。它可以将图中的数据高效存储为点（Vertex）和边（Edge），还可以将属性（Property）附加到点和边上。

![在这里插入图片描述][6d9b46285a4f429d8075408701df9a7f.png]

而NebulaGraph 作为一个典型的图数据库，可以将丰富的关系通过边及其类型和属性自然地呈现。

![在这里插入图片描述][0b35b325d6e3403a89f7e9e62988d26b.png]  
![在这里插入图片描述][b2e357f74ffe4997aba8826e690c6203.png]

例如雷先生是M公司的CEO, 投资了B公司和C公司, 同时还是D公司的董事会成员, 这些关系都可以直接存放在Nebula Graph中, 构成一个最简单的图模型。

![在这里插入图片描述][179da810785243b687228666e8455acf.png]  
关于Nebula Graph的应用场景有 :

*  实时推荐
 *  知识图谱
 *  大数据风控
 *  网络安全
 *  医疗数据分析
 *  证券投资
 *  金融风控…

## 2、NebulaGraph 的数据模型 ##

> `图空间（Space）`:

*  图空间用于隔离不同团队或者项目的数据。
 *  不同图空间的数据是相互隔离的(类比database)，可以指定不同的存储副本数、权限、分片等

> `点（Vertex）`:

*  用来保存实体对象
 *  点是用点标识符（VID）标识的，VID在同一图空间中唯一。VID 是一个 int64，或者 fixed\_string(N)
 *  每个点可以有 0(3.x版本)到多个 Tag

> `边（Edge）`:

*  边是用来连接点的，表示两个点之间的关系或行为
 *  两点之间可以有多条边
 *  边是有方向的，不存在无向边(图有无向图和有向图 , 但NebulaGraph 只支持有向边)
 *  四元组 <起点 VID、Edge type、边排序值 (rank)、终点 VID> 用于唯一标识一条边。边没有 EID
 *  一条边有且仅有一个 Edge type
 *  一条边有且仅有一个 Rank，类型为 int64，默认值为 0
 *  Rank 可以用来区分 Edge type、起始点、目的点都相同的边。该值完全由用户自己指定

> `标签（Tag）`:

*  Tag 由一组事先预定义的属性构成

> `边类型（Edge type）`:

*  一组事先预定义的属性

> `属性（Property）`:

*  属性是指以键值对（Key-value pair）形式表示的信息

## 3、路径Path ##

路径即一些边的序列。分为walk、trail、path三种：（图示如下，注意nebula中都是有向边）

### walk ###

walk类的路径，遍历时点和边都可以重复。由此dutor走到Simon家可以：

*  A–>B–>C
 *  A–>B–>D–>E–>C
 *  A–>B–>D–>A–>B–>C

![在这里插入图片描述][c7e933f0292a4b5d872db549cc1b239e.png]

### trail ###

trail类型的路径遍历时只有点可以重复，边不可重复。此时dutor走到Simon家只能：

*  A–>B–>C
 *  A–>B–>D–>E–>C

![在这里插入图片描述][8f25e3d07bfd488482cbfcdc57e8a0fa.png]

trail类型路径中，有两种特殊路径：cycle和circuit，二者的起点和终点一样：

![在这里插入图片描述][5a5fcdbd554b4e7a998cde7137bcdb77.png]  
不同的是：cycle只有起点和终点重复，而circuit还存在其他点：  
![在这里插入图片描述][32dfe4deb6154e65b0a2b1511eb3521c.png]

对应在例子中，cycle路径为A–>B–>C–>F–>A  
![在这里插入图片描述][4040ab87b6ea4440a71880f8e596c787.png]  
而circuit为：A–>B–>C–>D–>E–>C–>F–>A，两次经过C点  
![在这里插入图片描述][343f07b10d904773a068b73187212209.png]  
最后：MATCH、FIND PATH和GET SUBGRAPH语句采用的是trail类型路径

### path ###

path类型的路径遍历时，点和边都不可以重复。此时dutor走到Simon家只能：

*  A–>B–>C
 *  A–>B–>D–>E–>C

![在这里插入图片描述][003ad2705efc4466bd19fcefb87f916f.png]

如果点是陆地，边是桥，那：

*  walk就是你走过后，陆地和桥都在
 *  trail就是你走后，陆地还在，但桥不在了
 *  path就是你走后，身后的陆地和桥都消失了

![在这里插入图片描述][1a0615fadc31439986f89d39206e583d.png]  
路径长度的有限无限即边的数量有限或者无限。

## 4、VID ##

在一个图空间中，一个点由点的 ID 唯一标识，即 VID 或 Vertex ID。（vertex翻译：顶点）。

### VID的特点 ###

*  VID 数据类型只可以为`定长字符串FIXED_STRING(<N>)或INT64`。一个图空间只能选用其中一种 VID 类型。
 *  在同一个图空间中，VID必须唯一，其作用类似于关系型数据库中的主键（索引+唯一约束）
 *  VID的生成方式由用户自己指定，系统不提供自增ID或者[UUID][]
 *  VID 相同的点，会被认为是同一个点
 *  VID 通常会被（LSM-tree 方式）索引并缓存在内存中，因此直接访问 VID 的性能最高

> `VID 相当于一个实体的唯一标号，例如一个人的身份证号。Tag 相当于实体所拥有的类型，例如"滴滴司机"和"老板"。不同的 Tag 又相应定义了两组不同的属性，例如"驾照号、驾龄、接单量、接单小号"和"工号、薪水、债务额度、商务电话"`。

*  对同一个VID同时INSERT同一个TAG（均无IF NOT EXISTS参数），先写入的TAG被覆盖
 *  对同一个VID同时INSERT，但是两个不同的TAG，则互不影响
 *  VID 的数据类型必须在创建图空间CREATE SPACE时通过参数vid\_type定义，且一旦定义无法修改
 *  VID 必须在插入点时设置，且一旦设置无法修改

### VID的生成 ###

*  （最优）通过有唯一性的主键或者属性来直接作为 VID，属性访问依赖于 VID
 *  通过有唯一性的属性组合来生成 VID，属性访问依赖于属性索引
 *  通过 snowflake 等算法生成 VID，属性访问依赖于属性索引
 *  如果个别记录的主键特别长，但绝大多数记录的主键都很短的情况，不要将FIXED\_STRING()的N设置成超大，这会浪费大量内存和硬盘，也会降低性能。此时可通过 BASE64，MD5，hash 编码加拼接的方式来生成
 *  如果用 hash 方式生成 int64 VID：在有 10 亿个点的情况下，发生 hash 冲突的概率大约是 1/10。边的数量与碰撞的概率无关

## 5、NebulaGraph的服务架构 ##

NebulaGraph 由三种服务构成：Graph 服务、Meta 服务和 Storage 服务，是一种`存储与计算分离`的架构。其中：

*  Meta负责数据管理
 *  Graph 服务负责处理计算请求
 *  Storage 服务负责存储数据

![在这里插入图片描述][7ba29625711149aea7dc27a5f6b26f02.png]

### Meta服务 ###

Meta 服务是由 nebula-metad 进程提供：  
![在这里插入图片描述][12a33d8bc73e402999ac084cf1b39787.png]  
架构如下：

![在这里插入图片描述][d8f38a674c6f4750a3f443a999396168.png]  
nebula-metad 进程中：

*  一个进程是 leader，其他进程都是 follower
 *  leader 是由多数派选举出来，只有 leader 能够对客户端或其他组件提供服务，其他 follower 作为候补，如果 leader 出现故障，会在所有 follower 中选举出新的 leader
 *  leader 和 follower 的数据通过 Raft 协议保持一致，因此 leader 故障和选举新 leader 不会导致数据不一致

Meta服务的功能：

*  **管理用户账号**：存储用户的账号和权限，客户端发起请求给Meta，它会检查账号和权限
 *  **管理分片**：存储和管理分片的位置信息，并且保证分片的负载均衡
 *  **管理图空间**：Meta存储看所有图空间的元数据，并跟踪数据变更（如增减删除图空间）
 *  **管理 Schema 信息**：NebulaGraph 是强类型图数据库，它的 Schema 包括 Tag、Edge type、Tag 属性和 Edge type 属性
 *  **管理 TTL 信息**：存储 TTL（Time To Live）定义信息，用于设置数据生命周期

### Graph服务 ###

Graph 服务主要负责处理查询请求，包括解析查询语句、校验语句、生成执行计划以及按照执行计划执行四个大步骤。

![在这里插入图片描述][774a002790de4c42a97fb2d06804ec54.png]

查询请求到达Graph服务后，依次经过以下模块：

*  Parser：词法语法解析模块
 *  Validator：语义校验模块
 *  Planner：执行计划与优化器模块
 *  Executor：执行引擎模块

### Storage服务 ###

NebulaGraph中，元数据的存储在Meta服务，而具体数据的存储在Storage服务。Storage服务架构：

![在这里插入图片描述][1890141437554c7ba8809d483fb9c034.png]

图存储的主要数据是点和边，NebulaGraph 将`点或者边的信息存储为 key`，同时将点或边的`属性信息存储在 value` 中

*  **点存储：**  
    ![在这里插入图片描述][fbf84541aa8547a8b642fa308d990661.png]  
    相比 NebulaGraph 2.x 版本，3.x 版本在开启无 Tag 的点配置后，每个点多了一个不含 TagID 字段并且无 value 的 key  
    ![在这里插入图片描述][920da0f3d4054ab6a79c6020fe859c66.png]
 *  **边存储：**  
    ![在这里插入图片描述][6a8547f2adb74c29b05f8e442597ce37.png]

以两个点和一条边为例，起点 SrcVertex 通过边 EdgeA 连接目的点 DstVertex，形成路径(SrcVertex)-\[EdgeA\]->(DstVertex)：

![在这里插入图片描述][282a5f5b4d6545818ad6361a3552c128.png]  
两个点和一条边以6个键值对的形式保存在两个分片Partition X和Partition Y中：

*  点 SrcVertex 的键值保存在 Partition x 中
 *  边 EdgeA 的第一份键值EdgeA\_Out ，与 SrcVertex 一同保存在 Partition x 中。key 的字段有 Type、PartID（x）、VID（Src，即点 SrcVertex 的 ID）、EdgeType（`符号为正，代表边方向为出`）、Rank（0）、VID（Dst，即点 DstVertex 的 ID）和 PlaceHolder。SerializedValue 即 Value，是序列化的边属性
 *  点 DstVertex 的键值保存在 Partition y 中
 *  边 EdgeA 的第二份键值 EdgeA\_In ，在 Partition y 中，其中EdgeType字段`符号为负，代表边方向为入`

## 6、Raft ##

![在这里插入图片描述][b134ec8c366f4fc1bfa31dd030072294.png]

分布式存储系统通常通过维护多个副本来进行容错，提高系统的可用性。要实现此目标，就必须要解决分布式存储系统的最核心问题：维护多个副本的一致性。

![在这里插入图片描述][c2297e0530584ce1b1aad76b8ff6b348.png]

Raft协议的每个副本都会处于三种状态之一：Leader、Follower、Candidate

*  **Leader**：所有请求的处理者，Leader副本接受client的更新请求，本地处理后再同步至多个其他副本
 *  **Follower**：请求的被动更新者，从Leader接受更新请求，然后写入本地日志文件
 *  **Candidate**：如果Follower副本在一段时间内没有收到Leader副本的心跳，则判断Leader可能已经故障，此时启动选主过程，此时副本会变成Candidate状态，直到选主结束

> 读写流程：

对于客户端的每个写入请求，Leader 会将该写入以 Raft-wal 的方式，将该条同步给其他 Follower，并只有在“超过半数”副本都成功收到 Raft-wal 后，才会返回客户端该写入成功。对于客户端的每个读取请求，都直接访问 Leader，而 Follower 并不参与读请求服务。

> 故障场景：

*  场景 1：考虑一个配置为单副本（图空间）的集群；如果系统只有一个副本时，其自身就是 Leader；如果其发生故障，系统将完全不可用。
 *  场景 2：考虑一个配置为 3 副本（图空间）的集群；如果系统有 3 个副本，其中一个副本是 Leader，其他 2 个副本是 Follower；即使原 Leader 发生故障，剩下两个副本仍可投票出一个新的 Leader（以及一个 Follower），此时系统仍可使用；但是当这 2 个副本中任一者再次发生故障后，由于投票人数不足，系统将完全不可用。

[ee16a9bfa49e4a4b9a9185edb15fe743.png]: https://img-blog.csdnimg.cn/ee16a9bfa49e4a4b9a9185edb15fe743.png
[6d9b46285a4f429d8075408701df9a7f.png]: https://img-blog.csdnimg.cn/6d9b46285a4f429d8075408701df9a7f.png
[0b35b325d6e3403a89f7e9e62988d26b.png]: https://img-blog.csdnimg.cn/0b35b325d6e3403a89f7e9e62988d26b.png
[b2e357f74ffe4997aba8826e690c6203.png]: https://img-blog.csdnimg.cn/b2e357f74ffe4997aba8826e690c6203.png
[179da810785243b687228666e8455acf.png]: https://img-blog.csdnimg.cn/179da810785243b687228666e8455acf.png
[c7e933f0292a4b5d872db549cc1b239e.png]: https://img-blog.csdnimg.cn/c7e933f0292a4b5d872db549cc1b239e.png
[8f25e3d07bfd488482cbfcdc57e8a0fa.png]: https://img-blog.csdnimg.cn/8f25e3d07bfd488482cbfcdc57e8a0fa.png
[5a5fcdbd554b4e7a998cde7137bcdb77.png]: https://img-blog.csdnimg.cn/5a5fcdbd554b4e7a998cde7137bcdb77.png
[32dfe4deb6154e65b0a2b1511eb3521c.png]: https://img-blog.csdnimg.cn/32dfe4deb6154e65b0a2b1511eb3521c.png
[4040ab87b6ea4440a71880f8e596c787.png]: https://img-blog.csdnimg.cn/4040ab87b6ea4440a71880f8e596c787.png
[343f07b10d904773a068b73187212209.png]: https://img-blog.csdnimg.cn/343f07b10d904773a068b73187212209.png
[003ad2705efc4466bd19fcefb87f916f.png]: https://img-blog.csdnimg.cn/003ad2705efc4466bd19fcefb87f916f.png
[1a0615fadc31439986f89d39206e583d.png]: https://img-blog.csdnimg.cn/1a0615fadc31439986f89d39206e583d.png
[UUID]: https://blog.csdn.net/llg___/article/details/129722291
[7ba29625711149aea7dc27a5f6b26f02.png]: https://img-blog.csdnimg.cn/7ba29625711149aea7dc27a5f6b26f02.png
[12a33d8bc73e402999ac084cf1b39787.png]: https://img-blog.csdnimg.cn/12a33d8bc73e402999ac084cf1b39787.png
[d8f38a674c6f4750a3f443a999396168.png]: https://img-blog.csdnimg.cn/d8f38a674c6f4750a3f443a999396168.png
[774a002790de4c42a97fb2d06804ec54.png]: https://img-blog.csdnimg.cn/774a002790de4c42a97fb2d06804ec54.png
[1890141437554c7ba8809d483fb9c034.png]: https://img-blog.csdnimg.cn/1890141437554c7ba8809d483fb9c034.png
[fbf84541aa8547a8b642fa308d990661.png]: https://img-blog.csdnimg.cn/fbf84541aa8547a8b642fa308d990661.png
[920da0f3d4054ab6a79c6020fe859c66.png]: https://img-blog.csdnimg.cn/920da0f3d4054ab6a79c6020fe859c66.png
[6a8547f2adb74c29b05f8e442597ce37.png]: https://img-blog.csdnimg.cn/6a8547f2adb74c29b05f8e442597ce37.png
[282a5f5b4d6545818ad6361a3552c128.png]: https://img-blog.csdnimg.cn/282a5f5b4d6545818ad6361a3552c128.png
[b134ec8c366f4fc1bfa31dd030072294.png]: https://img-blog.csdnimg.cn/b134ec8c366f4fc1bfa31dd030072294.png
[c2297e0530584ce1b1aad76b8ff6b348.png]: https://img-blog.csdnimg.cn/c2297e0530584ce1b1aad76b8ff6b348.png