大家好,我是小耶,写功课只是为了我踩过的坑,你们别再踩了!
前面几篇数据库家谱,我们按数据模型(关系型/非关系型)、业务负载(OLTP/OLAP)、专项场景(时序/向量)、部署架构(集中式/分布式/云原生)把数据库家族拆了一遍。
今天讲一个特殊的分支:图数据库。
它常被误解成“有关系的数据库”——关系型数据库也有关系啊,外键、JOIN,不都是关系吗?
图数据库的核心不是“有关系”,是“关系本身就是存储的原语”。 这个差异,决定了它在多跳查询上的性能数量级。
一、图数据模型:节点、边、属性
图数据库用三个基本元素组织数据:
节点(Node):代表实体。比如一个用户、一个商品、一个账户。
边(Edge):代表实体之间的关系。比如“用户A关注用户B”、“账户X转账给账户Y”。
属性(Property):节点和边都可以带属性。比如用户节点有姓名、年龄;转账边有金额、时间。
关键设计:边是一等公民。 在关系型数据库里,关系是“查询时算出来的”(JOIN);在图数据库里,关系是“存储时就建立好的”(指针)。
每个节点在存储时,直接记录了它有哪些边、边指向哪个节点。遍历一条边,就是一次指针跳转。
二、多跳查询的复杂度差异:O(N次JOIN) vs O(N次跳转)
用一个具体场景说明差异:“找到用户A的朋友的朋友的朋友”。
关系型数据库的做法:
SELECT f3.id
FROM follows f1
JOIN follows f2 ON f1.followee_id = f2.follower_id
JOIN follows f3 ON f2.followee_id = f3.follower_id
WHERE f1.follower_id = 'A';
三跳查询,需要三次JOIN。每一层JOIN都要在follows表的索引上做查找、合并中间结果。如果每层的结果集是几千行,中间结果的膨胀会非常明显。
图数据库的做法:
从节点A出发,沿“关注”边找到第一层邻居;从每个邻居再沿边找到第二层;从第二层再沿边找到第三层。每一跳就是一次指针跳转,O(1)复杂度。 三跳查询的代价,约等于“三层邻居的数量之和”,而不是“三层JOIN的中间结果膨胀”。
量化的视角:在一个千万级节点的社交网络里,三跳查询在关系型数据库上可能需要秒级,在图数据库上通常能保持在毫秒级。跳数越多,差距越大。
三、不是“有关系”就该用图数据库
这是选型中最常见的误区。图数据库的适用性,取决于关系的深度和密度,不是“有没有关系”。
适合图数据库的场景:
多跳查询频繁:社交推荐(朋友的朋友)、风控资金链路(资金经过N层账户的流向)、知识图谱(实体之间的多跳关联)。
关系深度大:查询需要遍历3跳以上,关系型数据库的JOIN开始吃力。
关系模式复杂:实体之间的关系类型多样,且经常变化。
不适合图数据库的场景:
简单的一两跳查询:比如“查某个用户的所有订单”,关系型数据库加个索引就能搞定,上专用图库是过度设计。
批量统计为主:比如“统计所有用户的平均订单数”,这是聚合查询,关系型数据库的列存/OLAP引擎更擅长。
关系简单且固定:如果数据模型就是“用户-订单-商品”这种星型结构,关系型数据库的JOIN完全够用。
判断标准:如果你的核心查询里,多跳遍历(3跳以上)占了相当大的比例,图数据库才值得评估。否则,关系型数据库加索引往往更经济。
四、代价与边界:写入模式、运维体系、超大规模
图数据库不是免费的午餐。
写入模式的差异:关系型数据库的写入是行级的,图数据库的写入需要维护节点和边的指针关系。频繁的边插入/删除,可能触发图结构的局部重组,写入模式需要重新设计。
运维体系的切换:图数据库的备份、恢复、监控、调优,和关系型数据库是两套体系。团队的学习成本和运维成本需要评估。
超大规模的边界:单机图数据库受限于内存和存储,十亿级以上的图需要分布式图引擎。分布式图引擎的遍历会引入跨节点通信,性能不再是一个数量级的优势。
与多模融合的关系:图能力正在被集成进通用数据库内核。在中小规模的图查询场景下,融合型数据库可以避免“为了图查询单独维护一套图库”的运维负担。专用图库在深度图算法(PageRank、社区发现)和超大规模图上仍有优势。
五、小结
图数据库的核心价值在多跳查询:关系型数据库用N次JOIN表达N跳,中间结果随深度膨胀;图数据库把关系作为存储原语,沿边遍历就是指针跳转,多跳查询的代价远低于JOIN。但选型的判断标准不是“有没有关系”,是“关系的深度和密度”——简单的一两跳查询,关系型数据库加索引就够了;多跳遍历占核心查询的大头,才值得上专用图库。图能力正在被集成进通用数据库内核,中小规模场景多了一个“不单独维护一套图库”的选项。
小耶在手,SQL 不愁
还有什么想了解的,欢迎留言!小耶一定知无不言言无不尽……我们下次见~