大量资本涌入，图数据库要火？

作者 | 中国软件网 海策

校对 | 中国软件网 陈杨

---

早在上个世纪九十年代，数据储存意识就已经深入企业内部。随着市场环境变化及企业自身发展，绝大部分企业完成数据储存建设的同时，对数据存储的功能需求也在不断地增加演进。

 

而随着数据驱动决策越来越深入人心，企业对把数据转换为资产越来越关注。于是在数据资产化的道路上，各类产品、技术、解决方案层出不穷。

 

所以数据资产化到底在资产化什么？就像人力资源、资金资源、空气水一样，数据能够为企业带来怎样的价值。事实上，数据资产化就是要推动数据辅助企业精进业务：通过理性有效的数据分析推动企业进行高效决策。

 

2021年开年，图数据库新锐TigerGraph宣布完成1.05亿美元C轮融资，成为迄今为止行业中最大单笔融资。资本的涌入，让图数据库再以新的势头进入大众视野，越来越多的舆论认为图数据库大火，甚至成为未来的趋势。但，事实果真如此吗？

 

01

图数据库“亮”在哪

图数据库，以图结构进行语义查询，使用顶点、边与属性来表示和存储数据的数据库。换句话说，图数据库即基于图模型，对数据进行存储、操作和访问，与关系型数据库中的联机事务处理（Online Transactional Processing，OLTP）数据库类似，支持事务、可持久化等。

 

从概念上来看，图数据库并没甚值得称道的地方。而从图数据库的实践案例中来看，其到底有何优势值得一火，一目了然。

 

在金融行业中，信用借贷一直是数据被给予厚望的场景。要降低借贷门槛，又要减少用户违约、失联等风险，这需要大量的用户数据，来支撑借贷方掌握用户的风险值，这种工作的频度甚至达到日级。在这个过程中，数据量实时不断增加、计算能力压力增大，随之而来的是耗时耗力中伴随的风险值增加，提升风控效率一直是急需解决的事项。

 

图数据库为其带来的改变是：首先，帮助借贷方构建用户之间的图关联。从用户顶点出发，根据各种属性（如账号、交易、资金、地址、手机号等）之间的关系进行连接，进而找到显性或隐性的用户社会关系，通过实时不断的连接从而更精准地计算出用户的风险值。

 

其次，在图数据库平台上，基于对数百亿节点数万亿边的大图进行操作，识别与失联用户相关度最高的顶点，例如经常出现的快递寄送点、寄送用户等属性，通过自动化修复失联数据，进而提升人工效率，挽回损失。

 

 

 

在能源行业，电力运维是一种非常智能的场景，发电厂、铁塔、变电站、用电设备等节点构成的物理网络，对于图数据库具有天然的亲和力。在运行过程中，随着节点不断增加、需求响应负荷大规模发展，电网各业务部门之间迫切需要打破数据孤岛，实现“全网”状态实时感知，敏捷响应，随需迭代等智能电网能力。

 

图数据库在做的是，首先将电力网络中实体和关系映射为图，通过自动化的关联，从而节省电流检查作业/全网状态评估作业的时间，实时储存数据并接入新的联系。

 

其次，在电力运维预案中，图数据库在提升庞大节点管理和关联分析上发挥了高性能的优势。以供电设备节点为顶点，通过演练来分析其节点关闭带来的影响，从而合力规划设备调整并提前预警。

 

图数据库架构 来源于星环科技官网

 

从这两个典型案例中不难看到，图数据库所表现出来的优势主要有两大点：

 

一、极具敏捷性、高拓展性。图数据库能够自动化建立节点关联，实时完成数据拓展联系补充，从而支持图计算在海量数据关系运算中，处理大数据关联分析的分析计算；

 

二、高效查询功能。用图数据库支持大视图下的快速导入和高效查询、快速完成百亿级数据导入实现毫秒级查询响应。

 

02

大宏图 小规模

 

2019 年，Gartner在数据与分析峰会上首次将图数据库列为 2019 年十大数据和分析趋势之一，并预计到 2022 年，全球图处理及图数据的应用将以每年 100% 的速度迅猛增长，2020 年保守估计为 80 亿美元。Gartner认为市场尚处于蓝海，竞争却遍布全球。

 

在现实中的情况却是，图数据库已经具备了比较成熟的产品及实践案例，但截止目前，图数据库的应用范围仍然较小。例如，在国内图数据库主要被应用在金融风控、推荐、社交、故障运维、销售等场景，而用户也多集中在大型金融方、电商、社交服务商等。不难看出，图数据库的应用是非常具有针对性的、高门槛的。

 

在国内，图数据库行业起步略晚，市场也尚未形成规模。据中国软件网记者不完全统计，目前国内出现频率较高的图数据库产品主要有一下11种，这些产品的厂商们主要有互联网厂商、大数据公司以及原生图数据库公司：

 

中国软件网整理

 

通过观察可以发现，从产品功能层面，可以将图数据库产品大致划分为三大类：偏查询类（联机事务图）、偏分析引擎类、偏图计算引擎（离线图分析）。例如，杭州欧若数网科技Nebula Graph，支持多种后端存储、计算下推、Space 支持多租户物理隔离、属性查询等；星环科技Transwarp StellarDB，面向属性图（Property Graph）的综合性分布式图数据库，能够支撑千亿边规模的超大图，为业务人员提供存储、查询和分析图的能力；腾讯云数图TGDB（Tencent Graph Database）通过支持PageRank、社群发现、相似度计算、模糊子图匹配等社群发现算法进而实现高性能图计算。

 

从技术层面来看，分布式图数据库成为主流。例如，蚂蚁金服的分布式图数据库GeaBase、字节跳动的分布式图数据库ByteGraph等，分布式扩展、分布式架构容灾方案等设计，从多个方面确保图数据库储存、查询、分析、计算高性能运转。

 

蚂蚁金服GeaBase风控场景 来源于蚂蚁金服官网

 

从存储方式上看，目前图数据库产品多采用连接第三方存储而非原存储方式，并不断优化性能。例如，百度安全HugeGraph图数据库，支持与Hadoop、Spark、HBase、ES等大数据系统集成以及多种Bulk Load操作，从而实现海量数据快速插入等。

 

从商用化上来看，原生图数据库公司实践表现不错。例如，费马科技助力京东金融强化风控等级、助力搜狗提升百倍搜索精度、助力国家电网设备节点关联分析；平安银行签约Ultipa Graph等。

 

03

下得功夫，方能成事

 

综上，高扩展性、灵活性、敏捷性等特征与优势，使得图数据库当前尽管处在“幼苗”期，但其发展壮大的路径是有迹可循的。那么，图数据库大火的机遇在哪？

 

建立原生数据库，同时要支撑灵活部署与迁移。在图数据库关键的高可拓展性能中，需要其建立自身能够用于处理高度连接数据的查询与存储数据库，以支持数据激增中创建、读取、更新或删除 (CRUD) 等实时动态变化需求，从根本上改变数据的存储、处理的速度、安全性和成本，提升敏捷性。同样与之相对应的是，在数据存储的过程中，图数据库也要解决多种数据库类型的关联问题，从而满足数据调度、迁移。

 

持续高性能运转，支撑复杂分析功能。支持更高遍历的复杂分析、查询执行，以亚秒级响应能力为目标。与此同时，加深图数据库深度应用，推动更多复杂分析能力集成。

 

优化便捷应用。在面向技术开发人员中，零代码开发方式将为图数据库带来更多竞争优势；面向企业用户，图数据库急需优化用户自定义索引和查询语言，降低操作门槛。

 

随着海量数据关联性越发强烈和复杂，图数据库的优势将会愈发凸显。此外，与其他“类型” 的数据相比，图数据库的融合性也将是其招牌。但不得不重视的是，图数据库要大规模应用，根本的还是产品技术本身急需突破。

加入活动社群请添加微信

赵满 18519353155