TigerGraph深度测试报告(原始数据集大小为4.8TB)​,指导图数据库选型

此次测试清楚地证明了TigerGraph运行深度链接OLAP查询的能力

在最近的一项研究中,我们使用了备受认可的LDBC社交网络基准(SNB)比例因子10K数据集(8.86B顶点,61.77B边,4.8TB原始数据)来衡量TigerGraph的性能。 我们使用三种类型的分布式集群查询来测试TigerGraph的性能:

  • 简单查询(IS)性能测试——所有查询在1-3秒钟内得到答复。 集群大小没有显著影响性能,因为仅用到了图中的一小部分。
  • 深度查询(IC)性能测试——所有查询在3到9秒钟内得到答复。集群大小不会对性能产生很大的影响。
  • 商业智能(BI)性能测试——在一分钟内回答了大多数OLAP的迭代和/或深层链接图查询。 大多数查询都表现出线性扩展性能。

每个查询执行了3次,经过时间的中位数表示为最终等待时间。 每个查询分别在12台、18台和24台计算机的集群上执行。

这项研究清楚地证明了TigerGraph在具有大约90亿个顶点和超过600亿条边的图的商用机器集群上运行深度链接OLAP聚合查询的能力,并且在一分钟之内即可返回结果。 没有其他图数据库或关系数据库展示出同等的分析功能。

您可以访问GitHub,查看相关的数据集,并参照过程介绍,再现此次基准测试。

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。

现在注册,即可免费获取《TigerGraph LDBC SNB基准测试报告》完整版本,指导您的图数据库选型。

完整版报告,将在提交后发送到您的邮箱中,请注意查收。

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。

“到2023年,图技术将促进全球30%企业的快速决策场景化。需要图还是不需要?这已不再是个问题,一定是需要。”