你可能不知道,我们每天都在使用

  • 每次访问LinkedIn时,看到一、二或三度联系人,我们都从该社交网站基于图数据库构建的专业网络图表中获得结果。 
  • Facebook、Instagram和Twitter都使用图数据库和图分析来了解用户之间的相互关系,并将他们与正确的内容联系起来。 
  • 每次执行搜索时,我们都在点击搜索引擎的知识图。 
  • 亚马逊上的那些产品推荐——“购买此商品的人也购买了……”或“这些商品经常一起购买”? 这也来自图分析查询。

你是否遇到这些挑战?

  • 业务逻辑更加复杂,涉及更多深度关联分析
  • 融合来自多个数据源、多个业务部门以及越来越多的外部数据
  • 更大更多样化的数据集,更多分析的变量等
  • 常用的关系型数据库存在一系列局限性
  • 需要业务部门提供充分业务规则进行指导
  • 需要进行复杂的表结构抽象设计,复杂关联聚合的查询代码开发
  • 难以从业务驱动转化为数据驱动,难以释放行内多维数据价值

关系数据库和NoSQL数据库无法很好地解决这些问题

关系数据库

复杂,慢,需要表关联
强模式
高性能交易
深度分析性能不佳

键值数据库

需要多次大表扫描
高度流畅的模式/无模式
高性能简单交易
深度分析性能不佳

图数据库

预先连接的业务实体,无需表关联
灵活的模式
高性能复杂交易
高性能深度分析

使用图分析可以解决这些问题,那么什么情况下尤其需要用图分析

  • 需要在亿级、甚至百亿量级进行实时查询
  • 需要关联客户,产品,工商、资金流水等等多维度数据综合分析
  • 需要进行复杂模型算法计算,得到分类或者评分
  • 需要实现毫秒或亚秒级响应
  • 偏探索、预测类的场景更需要图数据库支持