Benchmark

图数据库基准测试报告
TigerGraph 108TB LDBC基准测试报告

108TB LDBC 基准测试全披露

据统计,这次基准测试的 108TB 数据量是 “之前世界纪录的 3 倍”。通过对包含 2179 亿个顶点和 1.6 万亿条边的图进行 OLAP 式查询处理,清楚地证明了,TigerGraph有强大的能力处理真实生产环境中的大图工作负载。

LDBC SNB SF30000 基准测试报告全面披露

到目前为止,TigerGraph依然是唯一可以完成36TB LDBC BI workload的图数据库供应商,清楚地证明了TigerGraph在实际生产环境中处理大图工作负载的能力。
10TB LDBC SNB 官方审计

TigerGraph是第一个通过10TB LDBC SNB官方审计的图数据库厂商

最新发布

TigerGraph 108TB LDBC基准测试报告

作为首家通过LDBC SNB 10TB 官方审计的分布式图数据库厂商,TigerGraph 今年发布了一项108TB的LDBC社交网络基准测试。据统计,这次基准测试的 108TB 数据量是 “之前世界纪录的 3 倍”。通过对包含 2179 亿个顶点和 1.6 万亿条边的图进行 OLAP 式查询处理,清楚地证明了,TigerGraph有强大的能力处理真实生产环境中的大图工作负载。
整个基准测试过程包括初始数据加载阶段、一个功耗批次运行,以及一个吞吐批次运行(每个批次执行所有BI查询五次),总计耗时35.4小时。
在包含 2179 亿个顶点和 1.6 万亿条边的海量图上成功处理了复杂的深度链接 OLAP 式查询,值得注意的是,其中 11 个数据密集型读取查询在 1 分钟内返回了结果,而其余的则需要 1 到 10 分钟。这些结果清楚地证明了TigerGraph适用于各种关系数据处理场景,尤其在数据量大、经常有数据更新、需要快速实现复杂大数据量全图计算(OLAP)的场景。
与其他图数据库和关系数据库提供商相比,TigerGraph 以其跨 100 多台机器的大规模图分析和操作能力而独树一帜。结合 AWS 上 AMD EPYC 实例的性能和扩展能力,这为希望从数据中获取最大价值的客户提供了理想的解决方案。

LDBC SNB SF30000 基准测试报告全面披露

图数据库选型权威指南

此次基准测试,完整的源数据集约为 36TB,包含5396亿条边和726亿个顶点。到目前为止,TigerGraph依然是唯一可以完成36TB LDBC BI workload的图数据库供应商

该基准测试清楚地证明了:
  • TigerGraph在执行复杂查询时能够扩展到更大的数据集的空前能力,这被认为比关系联接更具挑战性;
  • TigerGraph适用于各种关系数据处理场景,尤其在数据量大、经常有数据更新、需要快速实现复杂大数据量全图计算(OLAP)的场景表现格外优异;
  • TigerGraph在实际生产环境中处理大图工作负载的能力,在这种环境中,数十TB的关联数据每小时或每天增量更新是一种常态。据我们所知,其它图数据库或关系数据库供应商,没有一家可以在这种大规模可更新的图上展示出同等的分析和操作能力。

第三方基准测试:
Neo4j vs TigerGraph

2019年7月使用LDBC SNB标准对图数据库系统Neo4j和TigerGraph进行深度基准测试。

TigerGraph是第一个可展示分析和事务处理能力的可扩展的分布式图数据库。在图数据库市场中,直到现在,供应商都可以处理OLTP或OLAP,但不能同时处理两者。作为对交互式和复杂查询工作负载的性能的首次评估,该研究证明了TigerGraph在执行复杂查询(甚至是图形模式匹配查询)时能够扩展到更大的数据集的空前能力,这被认为比关系联接更具挑战性。

只有TigerGraph能够扩展到1TB。在某些交互式复杂和商业智能查询中,TigerGraph在大多数查询中的性能始终优于Neo4j(两个或多个数量级)(100倍),在其它查询中则高达四个数量级。在较大的数据集上,Neo4j通常会超时,无法在五个小时内完成查询。

TigerGraph与Neo4j相比,在类型化的属性图数据上显示出显著压缩的存储。尽管这两个数据库的批量加载时间相当,但存储大小却大不相同,在所有设置下,Neo4j约为TigerGraph的四倍。

五大图数据库基准测试报告

此次基准测试在以下方面将TigerGraph与Neo4j,Amazon Neptune,JanusGraph和ArangoDB进行了比较:

查询:对于2跳路径查询,TigerGraph比其他图数据库快40倍至337倍。

存储:在比较相同原始数据的存储需求时,其他图数据库所需的磁盘空间是TigerGraph的5到13倍。

加载:TigerGraph的数据加载速度是其他图数据库的1.8倍至58倍。

扩展:TigerGraph在其他计算机上几乎可以线性扩展,使用8台计算机可实现6.7倍加速,以实现计算密集型PageRank算法。 本次测试中用到的Neo4j和Amazon Neptune,无法在多台计算机上进行图分区,因此无法对此部分进行测试。

如果您对这些测试有疑问或反馈,请通过Benchmark@tigergraph.com与我们联系。

图分析系统基准测试报告

免费下载《图数据库购买者指南》,指导图数据库选型

当您考虑购买图数据库时, 这些是买家需要解决的一些重要问题!
选择图数据库和图分析软件是一个重要的决定,可以助力企业的成功。不幸的是,买家经常难以调和不同图数据库软件供应商提出的相互矛盾的主张——这些主张通常以错误信息为特征。免费下载《图数据库购买者指南》英文原版,助力企业图数据库选型。

为何使用LDBC-SNB标准对图数据库进行基准测试?

什么是LDBC-SNB基准?

关联数据基准委员会(LDBC,Linked Data Benchmark Council),是图(Graph)和RDF数据管理的基准指南制定者。

社交网路基准(SNB,Social Network Benchmark)是关联数据基准委员会(LDBC)开发的软件基准(Benchmark)之一。它的目的是通过两个典型场景,来评价图数据库,或图数据管理技术。这两个场景分别是:

  • 交互场景(interactive), 事务查询任务(transaction query workload),类似OLTP。
  • 商务智能场景(business intelligence),统计查询任务(analytical query workload) ,类似OLAP。

为什么要进行LDBC-SNB?

开发基准(Benchmark)是为了提供一个公平,诚实的比较评判机制。不同的图数据库开发者或提供者(Vendor)完成一系列相同的(Identical),可控的(Controlled)和可重复的(Repeatable)任务,来比较产品和技术的高低优劣。

图数据库的用户通过基准的实现报告,可以比较不同图数据库产品的功能性能,还可以比较不同的vendor在完成同样任务时,需要花费的软硬件成本。