一、類似Neo4j這樣的圖數(shù)據(jù)庫在國內會興起么

在NoSQL領域，從最近十年的表現(xiàn)來看圖數(shù)據(jù)庫已經成為關注度較高，發(fā)展趨勢最明顯的數(shù)據(jù)庫類型。從圖數(shù)據(jù)庫的優(yōu)勢和趨勢上來看前景很好，特別是圖數(shù)據(jù)庫在處理大數(shù)據(jù)方面的優(yōu)勢，會讓圖數(shù)據(jù)庫越來越像關系型數(shù)據(jù)庫一樣流行。

近年來圖數(shù)據(jù)庫的幾個典型應用場景：知識圖譜、金融風控、社交關系等場景也使得圖數(shù)據(jù)庫這個新技術與AI相結合，在人工智能領域發(fā)揮重要基礎作用。相信強人工智能時代圖數(shù)據(jù)庫技術更是不可或缺，因為感知智能之上的認知智能，比如記憶提取、關聯(lián)推理、歸納、探索、聯(lián)想等都是依賴于記憶點構建起來的復雜網絡之上的決策過程。

圖數(shù)據(jù)庫技術已經在國內興起了，不僅有越來越多的使用者，也出現(xiàn)越來越多的開發(fā)者。近幾年來國內也有一些公司在研發(fā)圖數(shù)據(jù)庫，包括百度、阿里、華為等。

下面是從圖數(shù)據(jù)庫中查詢出的電影關系圖譜：

圖數(shù)據(jù)庫技術的興起有其自身的原因：

使用圖（或者網）的方式來表達現(xiàn)實世界的關系很直接、自然，易于建模。比如某人喜歡看某電影，就可以建立一條邊連接這個人和這部電影，這條邊就叫做“喜歡”邊，同時這個人還可以有其它邊，比如“朋友”邊、“同學”邊等，同樣這個電影也可以有其它邊，比如“導演”邊、“主演”邊等，這樣就構建了自然的關系網。圖數(shù)據(jù)庫可以很高效的插入大量數(shù)據(jù)。圖數(shù)據(jù)庫面向的應用領域數(shù)據(jù)量可能都比較大，比如知識圖譜、社交關系、風控關系等，總數(shù)據(jù)量級別一般在億或十億以上，有的甚至達到百億邊。mysql不做分表分庫的情況下插入百萬數(shù)據(jù)基本就慢到不行，圖數(shù)據(jù)庫基本能勝任億級以上的數(shù)據(jù)，比如neo4j、titan(janus)、hugegraph等圖數(shù)據(jù)庫，持續(xù)插入十億級的數(shù)據(jù)基本還能保持在一個較高的速度。圖數(shù)據(jù)庫可以很高效的查詢關聯(lián)數(shù)據(jù)。傳統(tǒng)關系型數(shù)據(jù)庫不擅長做關聯(lián)查詢，特別是多層關聯(lián)（比如查我的好友的好友有哪些人），因為一般來說都需要做表連接，表連接是一個很昂貴的操作，涉及到大量的IO操作及內存消耗。圖數(shù)據(jù)庫對關聯(lián)查詢一般都進行針對性的優(yōu)化，比如存儲模型上、數(shù)據(jù)結構、查詢算法等，防止局部數(shù)據(jù)的查詢引發(fā)全部數(shù)據(jù)的讀取。圖數(shù)據(jù)庫提供了針對圖檢索的查詢語言，比如Gremlin、Cypher等圖數(shù)據(jù)庫語言。圖查詢語言大大方便了關聯(lián)分析業(yè)務的持續(xù)開發(fā)，傳統(tǒng)方案在需求變更時往往要修改數(shù)據(jù)存儲模型、修改復雜的查詢腳本，圖數(shù)據(jù)庫已經把業(yè)務表達抽象好了，比如上面的2層好友查詢，Gremlin實現(xiàn)為g.V(me).out(‘friend’).out(‘friend’)，如果需要改為2層同學查詢，那調整一下把好友換為同學即可g.V(me).out(‘classmate’).out(‘classmate’)。圖數(shù)據(jù)庫提供了專業(yè)的分析算法、工具。比如ShortestPath、PageRank、PersonalRank、Louvain等等，不少圖數(shù)據(jù)庫還提供了數(shù)據(jù)批量導入工具，提供了可視化的圖顯示界面，使得數(shù)據(jù)的分析結果更加直觀展示出來。

延伸閱讀；

二、圖數(shù)據(jù)庫相對于傳統(tǒng)關系型數(shù)據(jù)庫的優(yōu)點

（1）傳統(tǒng)關系型數(shù)據(jù)庫為每一類實體建表，但沒有對關系進行表示的機制。因此在更多實體引入之后，我們將需要越來越多的關聯(lián)表，從而使得基于關系型數(shù)據(jù)庫的解決方案繁瑣易錯。

（2）圖數(shù)據(jù)庫由于其獨特的設計，為關系和屬性的查詢提供了快速的解決方案。