随着图技术的不断成熟，与大数据框架的融合也越来越紧密，使得使用图的场景也越来越广泛；安全领域里很多的场景也开始用图的相关技术来解决实际问题；如云安全中心利用图对关联关系的遍历能力，实现了基于进程链的安全检测， 更大程度的检测隐藏在正常操作背后的恶意行文， 为用户的主机保驾护航；同时基于多种数据的关联关系，可以实现安全事件的调查分析、溯源等；基于图来分析解决安全问题更符合现实场景，也更容易被人理解和接受；

      但是由于图数据库需要庞大的图存储、图计算的资源， 因此在专有云场景下，直接使用传统的图数据库或者图计算引擎，会给客户带来巨大的资源压力；目前公有云上的基于图的安全检测、时间调查以及溯源功能，在专有云上是缺失的，而这部分功能对于安全能力又提升明显，时间调查、溯源能力在护网场景下可以很大提升客户分析处理问题的效率；所以图技术落地专有云已经迫在眉睫；

      为了能够将图的能力应用在专有云的安全场景下，我们需要解决三个问题，图数据的存储问题，图计算问题以及定时任务的执行问题，解决了这三个问题，就可以将图在专有云的安全场景上落地，解决专有云的安全问题；

       上图为Seraphdb的结构； 作为一个开放的图引擎， 首先在存储层，我们适配了大多数的存储介质，比如ES等文档型的存储，RDS/MYSQL等关系型存储以及RocksDB等KV型的存储，这样用户可以基于现有的存储资源来实现图的能力； 

Reader/Model

Reader层提供统一的接口，向下对接底层数据存储，向上提供数据存储的基本操作，实现图存储对于图操作的透明；而Model层则作为图引擎与底层数据存储的枢纽，将图的基本操作如节点和边的CRUD，图的遍历等以及图的复杂算法如最短路径等转为Reader的操作；Reader层与Model层的结合，让seraphdb的扩展变的更加轻松； 当需要对接一种新的存储介质时，只需要基于Reader层的接口，构建新的实现类即可；

Schema

Schema层是seraphdb特有的逻辑层，它对于实现轻量级的图引擎有着重要的意义； 在传统的图数据库中，我们需要将数据按图数据库预先定义的数据格式写入到图数据库，即便是我们现在的数据格式以及索引已经具备了图遍历的能力； 而通过Schema层，将图的逻辑结构映射到底层物理存储的结构上，不但减少了人工处理数据的流程，同时对于有向图中的含有来、去向边，可以基于同一结构来实现，大大降低了图数据占用的存储；

计算逻辑层

计算逻辑层完全继承了Tinkerpop的概念， Structure、DSL、Strategy、Step均来自Tinerpop，简单介绍， Structure主要是用定义图的基本结构，如Vertex，Edge，Graph， Property等；Process API中的TraversalSource以及Traversal主要是用于定义图遍历的逻辑，Strategy则提供了一系列的拦击方法，用于在遍历过程中更改执行的逻辑、方向等；而Step则提供了最基础的执行算子；

为了能够实现轻量级一体化的图计算引擎，我们基于现有的功能做了一系列的扩展；

Steps

为了能够在gremlin中扩展自己的算子， 我们实现了自己的TraversalSource以及Traversal， 并基于自身的Traversal提供了一系列数据写出类的算子，如toJdbc(), toPrint(), toSlS()，toRocketmq()等， 满足图的遍历结果直接写到外部存储的要求；

Strategy

Tinkerpop 自有的图遍历的逻辑，通常是一步一步的查，将上一步的查询结果作为下一步查询的输入，这对于关系型数据存储来说，会同时产生大量的数据库查询，尤其是对于递归遍历而言，膨胀的查询会给数据库造成巨大的压力；

为此我们构建自己的strategy，对在关系型数据库上的图查询做了进一步的优化； 我们基于策略，实现了过滤条件提前的方式，这样将过滤放在数据库查询阶段，降低了返回的数据量； 同时我们对递归做了妥协， 强制用户加入递归的层数，同时基于用户的递归逻辑，将原来多次执行的简单查询做重建，构建为一个复杂的join查询，大大降低了数据库的压力；

任务调度

Seraphdb基于quzrtz实现了一个轻量级的分布式调度系统， 可帮助用户定时调度图的查询任务，并将结果写出，从而解决了专有云上图任务的调度问题；

至此，Seraphdb 轻量级图引擎方案在专有云上落地了； 后续我会继续介绍seraphdb的用法，以及在业务中的发展；希望大家能加入到讨论，提供更多的场景和方案；